Dal BIM ai sistemi cognitivi: verso la fine dei software come li usano oggi i progettisti?

L’intelligenza artificiale agentica potrebbe trasformare la gestione informativa BIM: dai requisiti definiti in anticipo a sistemi cognitivi capaci di correlare fonti eterogenee ed eseguire compiti.

Il settore continua a investire, giustamente, nella formalizzazione proprio mentre diventano disponibili sistemi capaci di attraversare fonti non omogenee; cerca di definire anticipatamente i fabbisogni informativi mentre emergono sistemi in grado di contribuire a riconoscere fabbisogni contingenti.

Il BIM ha cercato di costruire preventivamente un mondo sufficientemente strutturato affinché uomini e macchine potessero interrogarlo; il paradigma cognitivo emergente suggerisce che una parte della struttura rilevante possa essere ricostruita nel momento in cui nasce la domanda.

Che cosa resta della digitalizzazione, così come è stata concepita negli ultimi lustri, quando la macchina non si limita più a elaborare ciò che abbiamo preventivamente formalizzato, ma comincia a partecipare alla costruzione di ciò che, in un determinato contesto, assume significato?

Dai sistemi informativi ai sistemi cognitivi. La fine probabile delle soluzioni digitali convenzionali?

Il costrutto relativo alla Gestione Informativa Digitale si basa su un impianto logico assai rigido, per cui un committente (ad esempio, la stazione appaltante) formula contrattualmente e analiticamente i propri requisiti tramite il Capitolato Informativo entro il Documento di Indirizzo per la Progettazione e, grazie al Piano di Gestione Informativa e alla Relazione Specialistica, ottiene contenitori e modelli informativi strutturati che veicolano i contenuti progettuali.

Si tratta di un processo ordinato in cui la committente articola nel briefing le proprie aspettative contenutistiche e informative, generando simmetricamente risposte dall’affidatario.

La difficoltà sinora avvertita ha riguardato l’attitudine mentale dei rappresentanti della domanda e dell’offerta nel procedere secondo semantiche predeterminate, necessarie per semi-automatizzare una parte dei processi decisionali.

Ciò è dipeso dalla natura dei mercati o degli attori, fortemente parcellizzati, e dalla forte identità dei soggetti coinvolti, cosicché i processi decisionali sono sempre afflitti da discontinuità palesi sul piano informativo. L’ipotesi di lavoro vigente prevede che, in tempi medi, ciò possa essere ovviato e che vi sia una adesione diffusa a un approccio computazionale rigorosamente basato su ontologie, su modelli di dati e su dizionari di dati.

In un quadro deterministico tutti gli attori si muoverebbero secondo criteri e regole prefissate, perché l’obiettivo consiste nel rendere il dominio di riferimento esplicito nei confronti degli algoritmi o delle macchine.

Questa ipotesi appare, tuttavia, smentita dai fatti, almeno parzialmente, poiché l’interoperabilità tra i dispositivi appare tuttora parziale, la qualità semantica dei modelli informativa si rivela spesso eterogenea, i requisiti informativi permangono assai frammentari, gli ambienti di condivisione dei dati restano essenzialmente gestori passivi dei contenitori informativi.

La Gestione Informativa Digitale ha cercato sinora, quindi, di rendere computabile il settore modificando il comportamento degli attori; il paradigma cognitivo potrebbe, invece, renderlo computabile imparando contestualmente a operare, nonostante il comportamento degli attori.

Ciò potrebbe decretare una sorta di fallimento della digitalizzazione convenzionale finalizzata ad automatizzare i processi ripetitivi in senso anticipatorio e dichiarativo.

Tra l’altro, è possibile assistere a una implementazione formale di obblighi legislativi senza che a essa corrisponda una interiorizzazione della cultura digitale, ricadendo nel solco convenzionale, anche se l’idea di sapere ex ante che cosa serva al richiedente e che sia in grado di dichiararlo appare poco efficace.

Per certi versi, si dovrebbe riconoscere che questo scenario incrementi le prestazioni in ambito analogico, senza modificare gli assetti strutturali.

Per questa ragione, ciò che si è definito quale fallimento potrebbe, al contrario, essere annoverato tra i successi, sia pure involontariamente.

La riflessione potrebbe condurre a uno stallo, già evidente, sennonché la progressiva irruzione della Intelligenza Artificiale, nelle sue molteplici modalità (generativa, agentica, fisica), muta, recentemente, completamente la prospettiva. La relazione di carattere conversazionale della soluzione generativa multimodale ha attratto gli operatori con l’immediatezza carente nella precedente forma digitale.

L’essenza dei sistemi artificiali, inferenziale e probabilistica, richiede, però, che essi siano adeguatamente allineati e addestrati per ottenere esiti credibili, riportando la questione al dominio della disciplina e necessitando, quindi, di professionalità più elevate, nonché alla definizione di contesti semantici predefiniti.

Già in tale ambito si pone, in ogni caso, l’esigenza di qualificare verticalmente l’addestramento di sistemi che, peraltro, in certi campi, dimostrano capacità autonome.

La traslazione all’agentificazione cambia ulteriormente il paesaggio: implica la configurazione non di quesiti, bensì di compiti, rafforza il ruolo istruttorio e falsificativo dell’esperto umano e delega al sistema una crescente autonomia operativa.

Il passaggio dai quesiti ai compiti segna, in tal senso, una discontinuità sostanziale: l’essere umano non interroga più soltanto un sistema, ma gli assegna obiettivi, vincoli e mandati operativi, lasciando che esso selezioni fonti, strumenti, modelli e azioni necessarie al conseguimento del risultato.

Da qui nasce l’interrogativo relativo all’emancipazione progressiva dei sistemi artificiali dalla fondazione concettuale umana: la macchina ha mutato natura?

Il sistema artificiale apprende rappresentazioni statistiche, costruisce associazioni, generalizza, riconosce analogie, interpreta linguaggio e può ricombinare conoscenze provenienti da domini differenti, per produrre strutture intermedie, non accessibili ai soggetti umani.

Da ciò consegue, inoltre, che si possano creare veri e propri ecosistemi cognitivi, per quanto la loro indipendenza dalla semantica preventiva non potrà, ce lo si augura, che rimanere parziale, in quanto, altrimenti, entrerebbe nella sfera valoriale. A oggi, infatti, rimangono prioritari retrieval, ontologie, knowledge graph e schemi espliciti.

Se si pone il ragionamento sul piano strumentale, con l’ecosistema cognitivo, si passa dall’operatività diretta degli attori sui singoli dispositivi, con le esigenze di interoperabilità, a un trasferimento della stessa a una orchestrazione agentica a cui si impone una linea di condotta, ma dalla quale si fatica a ricevere indicazioni sulla provenienza degli elementi considerati, per non dire della comprensione delle rappresentazioni interne.

D’altra parte, alla luce di quanto sopra detto, più che disporre della interpretabilità meccanicistica, sarebbe importante definire, appunto, gli aspetti valoriali che si intendono ribadire.

Se la provenienza degli elementi considerati dal sistema agentico non è ricostruibile, la tracciabilità richiesta dall’art. 30 del D.Lgs. 36/2023 e s.m.i. per la legittimità dell’istruttoria non è più una questione di qualità tecnica, ma di ammissibilità stessa dell’atto.

Epperò, quando anche si comprendesse quali circuiti interni abbiano prodotto un determinato output non si risolverebbe la necessità di definire un criterio di valore che orienti guidato la selezione. Probabilmente, in un contesto del genere, al posto della predeterminazione del riferimento, come era nella versione canonica, sarebbe necessario manifestare la gerarchia del valore.

Tornando agli ecosistemi cognitivi, l’uomo, utente attivo di una molteplicità di tecnologie con marchi commerciali definiti, diventa interlocutore proattivo (se ne sia capace) di un sistema artificiale che richiama all’occorrenza quelle soluzioni, senza che esse siano più visibili.

Le applicazioni, pertanto, non scomparirebbero necessariamente come motori computazionali, ma potrebbero scomparire come luoghi nei quali l’essere umano esercita direttamente la propria operatività, venendo progressivamente rese invisibili entro l’orchestrazione cognitiva.

Naturalmente, è difficile prevedere se l’ibridazione tra attitudini deterministiche e probabilistiche nel tempo possa, come già anticipato, restare necessaria o risolversi a favore del sistema artificiale che acquisirebbe una capacità cognitiva in grado di generare asimmetrie insostenibili.

D’altra parte, se al giorno d’oggi l’attore umano produce in prima persona i risultati, con l’ausilio strumentale, essendo oggetto di incarichi definiti e prezzando, in qualche modo, il tempo di produzione, domani il committente si attenderà il conseguimento di prestazioni che includano una capacità mensoria, laddove la tempistica diventerebbe irrilevante, a causa della rapidità di elaborazione dei sistemi cognitivi.

La trasformazione potrebbe così condurre da una remunerazione legata al tempo e alla produzione di deliverable verso una remunerazione associata a prestazioni, outcome e, in prospettiva, garanzia del risultato, con il paradosso che al diminuire del valore economico della produzione diretta potrebbe crescere quello della responsabilità professionale.

La criticità risiede proprio, non solo per le prestazioni intellettuali, nel capire l’utilità effettiva dell’esito, non solo sul piano tecnico, ma anche su quello economico e sociale. I sistemi artificiali potrebbero essere impiegati anche dal cliente, instaurando dialoghi eterodiretti e richiedendo una comprensione dei protocolli di interoperabilità interagentica.

Bisogna, invero, ammettere che la mutazione degli oggetti contrattuali svilirebbe il ruolo singolare dei dispositivi odierni, a favore di ecosistemi cognitivi capaci di offrire un supporto complessivo.

Non si tratta, infatti, di produrre strumentalmente risultati puntuali da coordinare in quanto attori del fare, bensì di disporre di un esito olistico in qualità di sovrintendenti del processo operativo.

A questa evoluzione dei sistemi corrisponderebbe una trasformazione simmetrica del ruolo umano: da produttore a operatore, quindi a istruttore, validatore e, infine, garante. Quanto più il sistema acquisisce capacità di agire, tanto meno l’essere umano produce direttamente e tanto più dovrebbe essere in grado di istruirne, contestarne e validarne l’operato.

Più precisamente, la riserva di umanità potrebbe non consistere nella resistenza generica dell’istruttoria all’automazione, bensì nella permanenza di una riserva di giudizio, valutazione e responsabilità, mentre l’istruttoria stessa potrebbe divenire progressivamente computabile e agentificata.

La questione decisiva diviene, allora, stabilire non soltanto se il sistema artificiale produca risultati corretti, ma se l’essere umano disponga ancora delle condizioni epistemiche necessarie per giudicarli, contestarli e assumerne responsabilmente la validazione.

..CONTINUA LA LETTURA NEL PDF.

FAQ TECNICHE: BIM e IA agentica: controllo e responsabilità nella progettazione

Che cosa distingue un sistema cognitivo da un sistema informativo BIM?
Nel testo, il sistema informativo organizza contenuti secondo requisiti e strutture definiti preventivamente. Il sistema cognitivo è descritto come capace di correlare fonti eterogenee in funzione di una domanda o di un compito.
Si tratta di una distinzione interpretativa: non dimostra che strutture informative, ontologie e modelli BIM diventino superflui.

In quali attività della progettazione e degli appalti può intervenire l’IA agentica?
L’articolo prospetta raccolta e confronto di documenti, analisi di alternative e coordinamento delle informazioni. L’agente riceve obiettivi e vincoli e può richiamare strumenti specialistici entro un perimetro autorizzato.

Quali principi normativi riguardano le decisioni automatizzate negli appalti?
L’art. 30 del D.Lgs. 36/2023 richiama conoscibilità e comprensibilità, non esclusività della decisione algoritmica e non discriminazione. Il contributo umano deve consentire di controllare, validare o smentire la decisione automatizzata.
La tracciabilità è una questione operativa coerente con questi principi; l’inammissibilità di uno specifico atto non va presentata come conseguenza automatica della sola opacità del sistema.

Quali vantaggi offre rispetto all’utilizzo separato dei software?
Il beneficio prospettato è il coordinamento di fonti e strumenti entro un processo orientato al compito. Gli applicativi potrebbero continuare a svolgere i calcoli specialistici, mentre l’agente ne organizza l’impiego.
Il contributo non misura risparmi di tempo, riduzioni degli errori o incrementi di produttività: tali vantaggi restano da verificare.

Come impostare un’applicazione dell’IA agentica in una commessa BIM?
Come integrazione operativa al testo, occorre esplicitare compito, fonti utilizzabili, strumenti accessibili e azioni consentite. Vanno individuati i passaggi che richiedono approvazione e i criteri con cui accettare o respingere un risultato.

Quali controlli servono per mantenere affidabile il sistema nel tempo?
Per un sistema digitale, il tema della durabilità riguarda il mantenimento dell’affidabilità dopo modifiche a modelli, dati e strumenti. Come proposta operativa, sono utili registrazione delle versioni, prove su casi rappresentativi e riesame degli errori.

Contenuto predisposto con l’ausilio dell’intelligenza artificiale.

Le immagini sono state generate per mezzo di Modelli Linguistici.