Cantiere edile e infrastrutturale e Intelligenza Artificiale Generale: perché la digitalizzazione non è più solo informativa

Cantiere digitale: perché serve un’architettura dati per governare processi, persone e macchine

Il cantiere edile o infrastrutturale è una entità dinamica e interdipendente tra componenti sociali, tecniche e organizzative (vale a dire un complesso di persone, di processi organizzativi, di tecnologie e di condizioni ambientali) che cooperino, confliggano e, comunque, siano in relazione tra loro per conseguire l’obiettivo contrattualmente stabilito.

Sovente, invero, nella Intelligenza Naturale dei soggetti coinvolti prevale la dimensione conflittuale, oltre che frammentaria, su quella della cooperazione e della continuità, in virtù della composizione eterogenea degli attori in gioco, mentre la razionalità di una Intelligenza Artificiale Generale probabilmente sostanzialmente mira all’esito opposto costitutivamente.

Il cantiere edile o infrastrutturale è in corso di digitalizzazione incrementale, a partire dalla comparsa dei modelli informativi cosiddetti 3D, 4D e 5D, la cui utilità e affidabilità è, peraltro, tutta da verificare e da validare nel senso di dare dimostrazione della loro efficienza ed efficacia. In particolare, i modelli informativi 4D e 5D restituiscono l’esito dei processi, ma, generalmente, non riescono a simularne le dinamiche.

Accanto a essi, la progressiva dematerializzazione delle procedure e dei documenti relativi alle diverse tematiche (quantità, qualità, tempi, costi, salute, sicurezza, ambiente) ha ormai raggiunto esiti significativi.

Ancora, molti macchinari e diversi apprestamenti sono sensorizzati e connessi (nonché relazionati tra loro in termini di Internet of Things), qualcuno dei primi appare pure a guida autonoma, gli operatori iniziano a indossare dispositivi digitali.

Meno frequente è la presenza di automi e di robot, almeno alle nostre latitudini, mentre il drone comincia a essere consueto, almeno nei cantieri infrastrutturali.

Ciò che, al contrario, palesemente manca è una architettura infrastrutturale che permetta il governo, appunto intelligente, dei processi che si svolgono fisicamente nel luogo di produzione cantieristica e immaterialmente in un adeguato ecosistema digitale.

Tutto ciò attiene alla possibilità che dati e informazioni possano essere di supporto ai processi decisionali detenuti dagli esseri umani.

Il cantiere è, d’altronde, un luogo soggetto a forte turbolenza, aleatorietà, incertezza, persino caos, popolato da una moltitudine di soggetti con ruoli diversi, con culture differenti, con obiettivi non sempre convergenti, che, inoltre, continuano ad avvicendarsi, specie se si tratta di lavori pluriennali.

In queste circostanze, sono pochi gli esseri umani che possiedano una memoria storica integrale delle vicende del cantiere stesso.

Esso è, dunque, un luogo estremamente variabile e complesso in cui il controllo e l’indirizzo dei fattori produttivi è piuttosto impegnativo e in cui le previsioni sono soggette a incessanti variazioni.

Sotto questo profilo, qualunque esso sia, anche a causa della propria specificità, il cantiere è un luogo assai più articolato di quanto non lo possa essere un impianto manifatturiero.

La sua digitalizzazione comincia a incontrare, tuttavia, il ricorso e l’impiego di soluzioni di Intelligenza Artificiale, i cui dispositivi iniziano a essere singolarmente disponibili sui mercati per le diverse tematiche e per i diversi soggetti contraenti.

Se, all’origine, il versante della domanda pubblica e privata e dell’offerta professionale, così come quello dell’offerta imprenditoriale, sono stati affascinati dalla produzione documentale generabile tramite i Modelli Linguistici di Grandi Dimensioni (dalla redazione di un bando di gara, di un’offerta, di un programma dei lavori), successivamente, oggidì, si manifesta e traspare un nativo interesse per soluzioni maggiormente legate alle situazioni cantieristiche (si pensi, classicamente, al riconoscimento di immagini ai fini della sicurezza oppure alla elaborazione di serie di dati inerenti ai movimenti del ciclo di escavazione) e l’Intelligenza Artificiale è accostata a Gemelli Digitali finalizzati alla gestione dei lavori.

LEGGI ANCHE: Le incognite dell’Intelligenza artificiale nel settore delle costruzioni e dell’immobiliare

L’atteggiamento prevalente degli operatori è, in effetti, attualmente quello di intravedere nell’Intelligenza Artificiale l’opportunità di incrementare i tassi di produttività nelle diverse fasi del processo, dalla committenza e dalla progettazione in poi, migliorando, ad esempio, la qualità dei documenti redatti, aumentando la velocità di predisposizione degli stessi, riducendo il numero di risorse umane necessarie per configurarli.

Tutto ciò dovrebbe essere conseguito attraverso il ricorso ai profili professionali dell’Intelligenza Artificiale (UNINFO ne ha definiti una dozzina) e ai corrispondenti dispositivi basati sull’approccio statistico alla generazione di documenti e al riconoscimento di immagini, per mezzo della cosiddetta Intelligenza Artificiale Generativa.

Di conseguenza, il settore della costruzione e dell’immobiliare nutre forti aspettative, in particolare, nei confronti dei Modelli Linguistici di Grandi Dimensioni, ovvero dei Large Language Model (LLM), oltre che dei Large Image Model (LIM), connessi a fonti esterne grazie alla RAG (Retrieval Augmented Generation) e dei Modelli Linguistici Multi Modali Distribuiti.

Si rammenta che i Modelli Linguistici di Grandi Dimensioni sono basati su sistemi di apprendimento automatico ideati al fine di prevedere configurazioni linguistiche ricorrenti stimando la probabilità delle sequenze di parole a partire da serie di dati massive di carattere principalmente testuale.

L’atteggiamento diffuso è, perciò, caratterizzato da una forte strumentalità, preoccupata solo da potenziali allucinazioni di cui soffrano i Modelli Linguistici e dalla scarsa qualità dei data set con cui siano stati addestrati nel dominio.

Poca attenzione è riposta, purtroppo, sulla relazione che sempre più intercorrerà tra l’operatore umano e gli Agenti di Intelligenza Artificiale, ancora meno sulle conseguenze a lungo termine, in the long run, della diffusione di forme avanzata di Intelligenza Non Naturale.

Di là dall’impiego di consulenti specializzati (come per i profili professionali citati), non vi è cura delle modalità di interazione con le soluzioni tecnologiche, poiché, comunque, in apparenza, l’interazione avviene in modo conversazionale, in rapporto a obiettivi e a compiti singolari.

Naturalmente, diverso è allorché si utilizzano i Modelli Linguistici per preparare una notifica preliminare, un ordine di servizio, uno stato di avanzamento dei lavori, un rapporto di cantiere, rispetto a quando ci si relazionerà con un applicativo per produrre modelli informativi tramite prompt ovvero nel momento nel quale fonti esterne potenzieranno le prestazioni dei Modelli Linguistici on real time.

La percezione comune è, però, che il Modello Linguistico non abbia capacità di riflessione o di ragionamento.

Vi è, invece, chi ritiene che gli attuali Modelli Linguistici Massivi possiedano già latenti capacità di comprensione semantica e addirittura di consapevolezza o di conoscenza del mondo reale.

D’altra parte, Anthropic, ad esempio, ha verificato che in Claude talora la chain-of-thought sembri coerente all’autentico percorso interno che il Modello Linguistico utilizza per giungere al risultato, producendo spiegazioni plausibili, ma non corrispondenti al procedimento effettivamente seguito.

Ad esempio, alcuni studiosi hanno scoperto strutture simili a quelle cerebrali della conoscenza del mondo incorporate nei vettori ad alta dimensionalità che costituiscono l’universo concettuale nei Modelli Linguistici di Grandi Dimensioni.

Dato che, però, l’obiettivo originario legato all’Intelligenza Artificiale è altro, vale a dire quello di raggiungere livelli di intelligenza umana o sovraumana, altri studiosi ritengono che i Large Language Model non siano in grado, nonostante grandi investimenti sulla scalabilità in capacità computazionali e in analisi dei dati, con conseguenze negative sul consumo energetico e idrico, di conseguire un grado di Super Intelligenza (un sistema che cognitivamente ecceda stabilmente l’Intelligenza dei migliori esseri umani in ogni area intellettuale significativa) e che, dunque, sia opportuno ricorrere a metodi alternativi come per l’Agentic AI e, soprattutto, i World Model e l’Advanced Machine Intelligence (AMI).

In altre parole, si sostiene che servano Modelli Cognitivi che superino quelli che sono denominati Modelli Linguistici e che sia necessario approfondire meccanismi causali e simbolici.

Ad esempio, un World Model dedicato alla gestione del cantiere edile o infrastrutturale dovrà essere capace di comprendere (in tutte le sue accezioni) lo stato attuale dello stesso, prevederne le evoluzioni, pianificarne le azioni conseguenti e simularle mentalmente prima di attuarle.

L’elemento cruciale è dato dal fatto che il World Model origini rappresentazioni mentali dei fenomeni, teso, quindi, a comprendere, in primo luogo, aspetti comportamentali e climi sociali, oltre che gli accadimenti esecutivi.

Secondo una definizione diffusa, per Agentic AI si intende una sorta di «sistema che possa raggiungere un obiettivo specifico con supervisione limitata. Esso è composto da Agenti di Intelligenza Artificiale che imitano il processo decisionale umano per risolvere problemi in tempo reale. In un sistema multi-agente, ciascun agente svolge un sotto-compito specifico necessario per raggiungere l’obiettivo e i loro sforzi vengono coordinati tramite l’orchestrazione».

..Continua la lettura nel PDF.