L’articolo analizza come deve evolvere la normativa tecnica nell’era dell’intelligenza artificiale, quando progettisti, imprese e professionisti cercano informazioni attraverso sistemi generativi e risposte algoritmiche. Il tema centrale è il passaggio dalla norma come testo prescrittivo alla norma come infrastruttura verificabile: tracciabile nelle fonti, chiara nei limiti applicativi, validata da prove reali e interrogabile anche dalle macchine. Andrea Dari, editore di INGENIO, propone una lettura al  tempo stesso filosofica e ingegneristica: l’AI può accelerare l’accesso alla conoscenza tecnica, ma se amplifica norme deboli, metodi non validati o risposte senza fonte, aumenta il rischio professionale invece di ridurlo.

---

Intelligenza artificiale e normativa: come scrivere regole tecniche nell’era della conoscenza algoritmica

C’è una domanda che il mondo tecnico non può più rimandare: come deve evolvere la normativa quando la conoscenza tecnica non viene più cercata soltanto nei testi, nei manuali, nelle circolari o nelle norme, ma viene sempre più spesso mediata dall’intelligenza artificiale?

È una domanda che riguarda ingegneri, architetti, progettisti, direttori lavori, imprese, produttori, enti di normazione e pubbliche amministrazioni. Perché l’intelligenza artificiale non sta cambiando solo il modo in cui produciamo documenti, calcoli, relazioni o capitolati. Sta cambiando il modo in cui accediamo alla conoscenza tecnica.

Fino a ieri, cercare una risposta significava consultare una fonte: una norma UNI, un decreto, una linea guida, una sentenza, un manuale, una scheda tecnica, una circolare ministeriale. La ricerca era faticosa, ma in qualche modo lineare. Si partiva da un testo, si verificava il riferimento, si interpretava il contenuto.

Oggi, invece, la risposta arriva spesso sotto forma di sintesi generata. Una frase ordinata, plausibile, apparentemente autorevole. Non leggiamo più sempre la fonte: leggiamo una risposta che pretende di averla già attraversata per noi.

Ed è qui che si apre il problema.

Non siamo più soltanto davanti a una ricerca documentale. Siamo davanti a una ricerca doxica, fondata cioè sull’opinione organizzata, sulla probabilità linguistica, sulla ricomposizione statistica di contenuti disponibili. L’AI non “sa” nel senso classico del termine. Produce risposte verosimili sulla base di correlazioni, pesi, ricorrenze, contesti e istruzioni.

Il punto non è demonizzare questo passaggio. Il punto è comprenderlo.

Perché se la normativa tecnica nasce per ridurre l’incertezza, l’AI generativa rischia di reintrodurla proprio nel punto in cui il tecnico cerca certezza.

Ma c’è un secondo problema, ancora più profondo: una norma non diventa vera perché è scritta bene, perché è approvata formalmente o perché viene citata da un algoritmo. Una norma tecnica diventa affidabile quando ha fatto i conti con la realtà.

• Con il laboratorio.
• Con il cantiere.
• Con la ripetibilità delle prove.
• Con la robustezza dei metodi.
• Con la variabilità dei materiali.
• Con la capacità degli operatori di applicarla davvero.

Una norma che non ha fatto i conti con la realtà è solo un’ipotesi con valore legale. E nell’era dell’intelligenza artificiale questo diventa un tema ancora più decisivo.

---

La norma nasce per separare il sapere dall’opinione

Ogni norma tecnica ha una funzione profonda: trasformare una conoscenza specialistica in un riferimento condiviso.

La norma non è solo un testo. È un patto. Stabilisce un linguaggio comune, definisce prestazioni, chiarisce metodi di prova, fissa criteri di accettazione, organizza responsabilità, rende confrontabili materiali, prodotti, processi e risultati.

In questo senso, la normativa è una tecnologia sociale. È un dispositivo che consente a soggetti diversi — progettista, impresa, produttore, controllore, committente, giudice — di parlare la stessa lingua tecnica.

Quando una norma definisce una classe di esposizione, una resistenza caratteristica, una prova di laboratorio, una tolleranza geometrica, un metodo di calcolo o un criterio di posa, non sta semplicemente “informando”. Sta costruendo un terreno comune su cui è possibile prendere decisioni, firmare documenti, assumere responsabilità.

La norma, quindi, nasce per sottrarre la tecnica all’arbitrio. Nasce per evitare che ogni decisione dipenda dall’opinione del singolo, dalla consuetudine locale, dalla forza commerciale di un prodotto o dall’interpretazione estemporanea di chi parla più forte.

Ma cosa accade quando l’accesso alla norma viene filtrato dall'intelligenza artificiale, da un sistema che produce risposte probabilistiche? Accade che il confine tra sapere tecnico e opinione ricostruita diventa più fragile.

E cosa accade se, a monte, la norma stessa non è stata adeguatamente validata nella realtà operativa? Accade qualcosa di ancora più grave: l’algoritmo non amplifica il sapere, ma amplifica un’ipotesi fragile. La rende più accessibile, più citabile, più rapida da usare, forse anche più convincente. Ma non per questo più vera.

---

La conoscenza algoritmica non è neutrale

L’intelligenza artificiale generativa non restituisce semplicemente informazioni. Le seleziona, le ordina, le riscrive, le sintetizza, le combina. E lo fa secondo criteri che non sempre sono visibili all’utente.

È qui che entra in gioco la dimensione filosofica del problema.

Per Platone, la doxa era l’opinione: una forma di conoscenza inferiore rispetto all’episteme, cioè al sapere fondato. Nel mondo tecnico moderno, potremmo dire che la norma rappresenta uno degli strumenti con cui la società tenta di costruire episteme operativa: non verità assoluta, ma sapere controllato, verificabile, condiviso.

L’AI generativa, invece, lavora spesso nella zona intermedia tra doxa ed episteme. Non produce pura opinione, perché si basa su grandi quantità di dati, testi, documenti e relazioni semantiche. E a volte su poche. Ma non produce neppure automaticamente sapere normativo affidabile, perché la correttezza della risposta dipende dalla qualità delle fonti, dall’aggiornamento del modello, dal contesto, dal prompt, dai sistemi di recupero documentale e dalla capacità dell’utente di verificare.

Il rischio è che una risposta ben scritta venga percepita come una risposta vera.

Per il settore delle costruzioni questo passaggio è delicatissimo. Una norma interpretata male può incidere su una progettazione strutturale, una marcatura CE, una prestazione energetica, una posa in opera, una verifica antincendio, una procedura di collaudo, una responsabilità professionale.

Nella tecnica, l’errore non resta nel linguaggio. Può diventare materia, edificio, cantiere, costo, contenzioso, sicurezza.

Per questo l’intelligenza artificiale ci costringe a tornare alla domanda originaria: che cos’è una conoscenza tecnica affidabile?

• Non basta che sia disponibile.
• Non basta che sia ordinata.
• Non basta che sia citata.
• Non basta che sia generata con linguaggio competente.

Deve essere fondata, verificabile, aggiornata, contestualizzata e, quando riguarda metodi, prestazioni e controlli, validata nella realtà.

---

Una norma non validata è un’ipotesi trasferita sul cantiere

Nel delicato equilibrio della normazione tecnica, la sperimentazione non è un optional. È l’unico argine tra una regola efficace e un inutile ostacolo burocratico.

Una norma può essere scritta con le migliori intenzioni. Può nascere da tavoli autorevoli, da competenze reali, da esigenze condivise. Ma se un metodo di prova non viene testato sul campo, se non viene verificata la sua ripetibilità, se non viene misurata la sua robustezza rispetto alla variabilità degli operatori, degli strumenti, dei materiali e delle condizioni applicative, il rischio è evidente: trasformiamo il cantiere in un laboratorio a cielo aperto.

Con tutte le incognite del caso.

Nel mondo delle costruzioni questo non è un dettaglio metodologico. È un nodo sostanziale. Perché molti processi tecnici non avvengono in condizioni ideali. Avvengono in ambienti variabili, con materiali non sempre perfettamente omogenei, con tempi di lavorazione compressi, con attrezzature diverse, con personale diverso, con condizioni climatiche mutevoli, con interazioni tra prodotti e supporti non sempre prevedibili.

Una norma che ignora questa complessità rischia di imporre procedure formalmente corrette ma operativamente deboli.

E quando una procedura debole entra in un sistema algoritmico, il problema si amplifica.

• L’AI può descriverla bene.
• Può sintetizzarla bene.
• Può renderla più facile da trovare.
• Può trasformarla in risposta immediata.
• Ma non può renderla automaticamente più affidabile.

Anzi: può aumentarne la diffusione prima ancora che il settore abbia compreso i limiti della sua applicazione.

Il rischio della norma “doxica”

Esiste quindi un doppio livello di doxa. Il primo è quello dell’AI: una risposta probabilistica che può apparire come sapere certo. Il secondo è quello della normazione non sufficientemente validata: una regola che assume valore tecnico-formale prima di essere stata realmente messa alla prova.

Quando questi due livelli si incontrano, nasce un rischio nuovo: la norma doxica.

Una norma doxica è una norma che circola come certezza, ma che non ha ancora dimostrato pienamente la propria capacità di funzionare nella realtà. È una norma che l’algoritmo può citare, riassumere, raccomandare, ma che sul campo potrebbe produrre incertezza, contenzioso, errori interpretativi o risultati non riproducibili.

Qui la questione filosofica diventa immediatamente ingegneristica.

La doxa, nel mondo tecnico, non è solo un’opinione sbagliata. È un rischio operativo.

• È il rischio di una prova che non misura davvero ciò che dovrebbe misurare.
• È il rischio di una tolleranza non collegata alla reale funzionalità dell’opera.
• È il rischio di una prescrizione non applicabile nelle condizioni ordinarie di cantiere.
• È il rischio di una procedura che genera risultati diversi in funzione dell’operatore, dello strumento o del contesto.
• È il rischio di una regola che, invece di ridurre l’incertezza, la trasferisce sul professionista.

La normativa tecnica deve evitare proprio questo: che la responsabilità dell’ambiguità ricada su chi deve applicare la regola.

Dalla norma come testo alla norma come infrastruttura informativa

Se il modo di cercare le informazioni cambia, anche il modo di scrivere e organizzare la normativa deve cambiare.

La norma del futuro non potrà essere soltanto un PDF chiuso, pensato per essere letto pagina dopo pagina. Dovrà diventare sempre più una infrastruttura informativa strutturata, capace di essere letta da persone e da macchine.

Questo non significa semplificare la norma fino a renderla banale. Significa, al contrario, renderla più robusta.

Una norma pensata per l’era dell’intelligenza artificiale dovrebbe avere almeno alcune caratteristiche:

• deve essere semanticamente chiara, con definizioni non ambigue;
• deve distinguere con precisione obblighi, raccomandazioni, esempi, note informative e condizioni di applicabilità;
• deve rendere esplicite le relazioni tra requisiti, prestazioni, metodi di prova, responsabilità e campi d’uso;
• deve contenere metadati che consentano di capire versione, data, sostituzioni, riferimenti incrociati e norme correlate;
• deve poter essere interrogata senza perdere il contesto tecnico;
• deve consentire il tracciamento della fonte da cui deriva ogni risposta generata;
• deve indicare il livello di validazione dei metodi che propone;
• deve chiarire se una procedura è stata verificata in laboratorio, sul campo, in condizioni ripetibili, in contesti applicativi differenti o solo definita teoricamente.

In altre parole, la norma deve diventare non solo leggibile, ma computabile e verificabile. Non nel senso di ridurre tutto a codice, ma nel senso di permettere ai sistemi digitali di riconoscere correttamente struttura, gerarchia, vincoli, condizioni e grado di affidabilità.

La differenza è decisiva. Un conto è chiedere a un modello linguistico: “Quale norma si applica a questo caso?”. Altro conto è interrogare un sistema che collega la domanda a un corpus normativo aggiornato, versionato, certificato, con citazione puntuale del punto, della tabella, del paragrafo, del campo di applicazione e del livello di validazione.

Nel primo caso abbiamo una risposta plausibile. Nel secondo iniziamo ad avere una risposta verificabile.

La normativa deve dichiarare i propri limiti operativi

La cultura normativa tradizionale tende spesso a presentare la norma come testo compiuto. Ma nell’era dell’AI questo non basta più. Una norma tecnica dovrebbe dichiarare con maggiore chiarezza i propri limiti operativi. Non per indebolirsi, ma per diventare più affidabile.

Ogni metodo di prova, ogni criterio di accettazione, ogni procedura di verifica dovrebbe rispondere ad alcune domande essenziali:

• in quali condizioni è stato validato?
• quali sono i fattori che possono alterare il risultato?
• qual è la sensibilità del metodo rispetto all’operatore?
• qual è la variabilità attesa tra laboratori o cantieri diversi?
• quali strumenti sono necessari?
• quale livello minimo di competenza è richiesto?
• quali condizioni rendono la prova non significativa?
• quali casi sono esclusi?
• quale margine di incertezza deve essere considerato?

Queste informazioni sono decisive per il tecnico. Ma lo sono ancora di più per un sistema AI, perché aiutano a evitare risposte apparentemente universali su procedure che, invece, sono valide solo entro un campo preciso.

La norma deve quindi evolvere da documento prescrittivo a documento epistemicamente trasparente. Deve dire non solo “che cosa fare”, ma anche “quanto è solido ciò che si sta chiedendo di fare” e “in quali condizioni ciò che si chiede produce risultati affidabili”.

Questa è una trasformazione culturale profonda.

Perché significa ammettere che la norma tecnica non è un dogma, ma un dispositivo di conoscenza. E come ogni dispositivo di conoscenza deve essere sottoposto a controllo, aggiornamento e verifica.

Il problema non è solo l’AI, ma la qualità della domanda

La cultura tecnica dovrà anche accettare un fatto: nell’era dell’AI la competenza non consisterà solo nel conoscere le risposte, ma nel saper formulare le domande.

Una domanda generica produce una risposta generica. Una domanda sbagliata può produrre una risposta pericolosamente convincente.

Chi chiede a un sistema AI “qual è la norma sui massetti?” riceverà probabilmente una risposta ordinata, ma insufficiente. Perché la risposta dipende dal tipo di massetto, dalla destinazione d’uso, dalla pavimentazione prevista, dal contesto prestazionale, dalle prove richieste, dal quadro contrattuale, dai riferimenti nazionali ed europei, dal fatto che si parli di progettazione, posa, controllo o contenzioso.

La normativa tecnica vive nei dettagli. L’intelligenza artificiale tende invece a ricomporre il dettaglio in una forma leggibile. Questo è utile per orientarsi, ma non basta per decidere. Da qui nasce un nuovo dovere professionale: l’alfabetizzazione normativa all’intelligenza artificiale.

Non basta saper usare un chatbot. Bisogna sapere quando una risposta è solo orientativa, quando richiede verifica, quando serve la norma originale, quando occorre coinvolgere un esperto, quando il caso è fuori campo e quando il rischio tecnico o giuridico impone una validazione formale.

E bisogna aggiungere un ulteriore livello: il professionista deve saper chiedere non solo “che cosa dice la norma?”, ma anche “su quale evidenza si fonda?”, “con quale metodo è stata validata?”, “in quali condizioni è applicabile?”, “quali sono i suoi limiti?”.

La vera competenza tecnica, nell’era algoritmica, sarà anche capacità di interrogare criticamente la fonte.

---

La normativa deve diventare più trasparente sul proprio grado di certezza

Una delle grandi sfide sarà distinguere tra ciò che è obbligatorio, ciò che è raccomandato, ciò che è prassi, ciò che è interpretazione e ciò che è semplice orientamento.

Nel mondo analogico questa distinzione era affidata alla competenza del lettore. Nel mondo algoritmico deve diventare parte della struttura stessa dell’informazione.

Una norma, una linea guida o un documento tecnico dovrebbero rendere più espliciti i livelli di forza del contenuto:

• prescrizione cogente;
• requisito tecnico normativo;
• raccomandazione;
• metodo di prova;
• nota informativa;
• esempio applicativo;
• interpretazione;
• campo escluso;
• punto da verificare in funzione del caso specifico;
• livello di evidenza sperimentale;
• grado di ripetibilità e riproducibilità del metodo;
• limite di applicabilità in condizioni reali.

Questa classificazione è fondamentale perché l’AI tende a uniformare il linguaggio. Può presentare una raccomandazione come se fosse un obbligo, oppure una consuetudine come se fosse una norma. Può confondere un requisito cogente con una buona pratica. Può sintetizzare troppo un passaggio e perdere la condizione che lo rende applicabile.

Per questo la normativa dovrebbe evolvere verso documenti più marcati semanticamente, in cui ogni contenuto abbia un’identità tecnica riconoscibile.

Non basta più scrivere bene. Bisogna scrivere in modo che una macchina non possa fraintendere troppo facilmente.

---

Dal principio di prestazione al principio di verificabilità

Negli ultimi decenni la tecnica ha già conosciuto un’evoluzione importante: dal prescrittivo al prestazionale. Non conta soltanto indicare “come fare”, ma definire quale prestazione deve essere raggiunta.

Nell’era dell’AI serve un ulteriore passaggio: dal prestazionale al verificabile.

Ogni risposta tecnica generata da un sistema AI dovrebbe poter essere ricondotta a:

• fonte normativa;
• versione del documento;
• punto specifico citato;
• campo di applicazione;
• limiti della risposta;
• eventuali esclusioni;
• livello di affidabilità;
• necessità di verifica professionale;
• grado di validazione sperimentale;
• condizioni operative in cui il metodo è stato provato.

Per l’ingegnere questo principio è naturale. Nessuno accetterebbe un calcolo strutturale senza ipotesi, combinazioni di carico, coefficienti, modello adottato e verifiche. Eppure stiamo rischiando di accettare risposte normative senza tracciabilità. È una contraddizione evidente.

Se chiediamo rigore a un modello FEM, dobbiamo chiederlo anche a un modello linguistico quando entra nel dominio della tecnica.

E se chiediamo che un progetto sia verificabile, dobbiamo chiedere che lo sia anche la norma che lo orienta.

La normativa del futuro dovrà quindi dialogare con strumenti AI che non si limitino a “rispondere”, ma che sappiano mostrare il percorso: da dove nasce la risposta, quale testo la supporta, quale passaggio è certo, quale è interpretativo, quale richiede giudizio professionale e quale metodo è stato realmente validato.

AI Act e norme tecniche: due livelli da non confondere

L’AI Act rappresenta il quadro regolatorio europeo sull’intelligenza artificiale. Introduce principi, categorie di rischio, obblighi, divieti e responsabilità. È indispensabile, ma non basta a risolvere il problema della conoscenza tecnica mediata dall’AI.

Il regolamento stabilisce come devono essere governati i sistemi di intelligenza artificiale, ma non definisce, da solo, come un professionista debba usare l’AI per interrogare una norma tecnica, verificare un dettaglio prestazionale, scegliere un metodo di prova o costruire un capitolato.

Qui entrano in gioco le norme tecniche sui sistemi di gestione e sulla gestione del rischio dell’intelligenza artificiale, ma anche una nuova responsabilità degli enti di normazione di settore.

Per il mondo delle costruzioni non basta chiedersi se un software AI sia “utile”: occorre capire chi lo usa, per quali decisioni, con quali dati, con quale controllo umano, con quale tracciabilità, con quali responsabilità, con quale livello di aggiornamento, con quali limiti dichiarati, con quale accesso alle fonti normative e con quale verifica della validità dei metodi richiamati.

La norma tecnica sull’AI può diventare, in questo senso, il ponte tra innovazione digitale e affidabilità professionale. Ma il ponte regge solo se poggia su basi solide: dati aggiornati, fonti certe, metodi validati, responsabilità chiare.

---

La nuova responsabilità degli enti di normazione

Gli enti di normazione avranno un ruolo cruciale. Non dovranno soltanto pubblicare norme. Dovranno probabilmente ripensare il modo in cui le norme vengono rese accessibili, interrogabili e integrabili nei sistemi digitali.

Questo apre questioni complesse: copyright, accesso controllato, aggiornamento, versionamento, interoperabilità, formati machine-readable, banche dati normative certificate, API, sistemi di interrogazione assistita, responsabilità delle risposte generate.

Ma è un passaggio inevitabile.

Se i professionisti useranno comunque l’AI per cercare informazioni normative, allora è meglio che lo facciano dentro ambienti controllati, aggiornati e tracciabili, piuttosto che affidarsi a modelli generici, addestrati su contenuti non sempre aggiornati o non sempre correttamente accessibili.

La sfida non è impedire all’AI di entrare nella normazione. È fare in modo che vi entri con regole tecniche adeguate.

Una norma non può essere trattata come un testo qualsiasi. Ha una densità giuridica, tecnica e professionale diversa. Ogni parola può avere conseguenze. Ma c’è anche un secondo compito: gli enti di normazione devono rafforzare il rapporto tra norma e realtà.

Una norma tecnica non dovrebbe essere valutata soltanto per la coerenza interna del testo, ma anche per la sua applicabilità, per la sua verificabilità, per la sua capacità di produrre risultati ripetibili, per il suo impatto operativo sui cantieri e sulle filiere.

In futuro potremmo immaginare norme accompagnate da veri e propri fascicoli di validazione, nei quali siano documentate le campagne sperimentali, le prove interlaboratorio, le analisi di ripetibilità e riproducibilità, le condizioni limite di applicazione, gli esempi operativi, i casi esclusi e gli aggiornamenti derivanti dall’esperienza maturata sul campo.

Questo non appesantirebbe la norma. La renderebbe più autorevole. Perché nell’era dell’AI l’autorevolezza non dipende solo dall’ente che pubblica, ma anche dalla trasparenza del processo che collega il testo alla realtà.

La costruzione di una “normativa aumentata”

Potremmo allora immaginare una normativa aumentata.

Non una norma scritta dall’AI. Ma una norma progettata per essere usata anche nell’era dell’AI.

Una normativa aumentata dovrebbe offrire al professionista almeno quattro livelli:

• il testo ufficiale, invariabile e citabile;
• una struttura semantica che renda interrogabili requisiti, definizioni, tabelle, campi di applicazione e riferimenti;
• un livello assistivo che aiuti a orientarsi, ma sempre con citazione puntuale della fonte e avviso sui limiti interpretativi;
• un livello di validazione che dica su quali prove, esperienze, condizioni operative e dati si fonda il metodo proposto.

In questo modello l’AI non sostituisce la norma. La rende più accessibile. Ma la fonte resta il testo normativo. La responsabilità resta umana. La decisione resta professionale.

È la stessa logica che dovrebbe valere per la progettazione. Il software può aiutare, automatizzare, simulare, suggerire. Ma non può diventare il luogo ultimo della responsabilità tecnica.

Una normativa aumentata dovrebbe quindi essere progettata per rispondere a domande tecniche complesse, ma anche per impedire risposte troppo semplici.

Dovrebbe aiutare il tecnico a capire non solo “che cosa si applica”, ma anche “perché”, “entro quali limiti”, “con quali prove”, “con quale affidabilità” e “con quali cautele”.

La prova come antidoto alla burocrazia

C’è un equivoco da superare: chiedere più validazione non significa chiedere più burocrazia. È vero il contrario.

La burocrazia cresce quando la norma è debole, ambigua, astratta o non verificata. Cresce quando gli operatori non sanno come applicarla. Cresce quando i risultati delle prove non sono confrontabili. Cresce quando ogni cantiere diventa un caso interpretativo. Cresce quando la regola non riduce il contenzioso, ma lo alimenta.

La sperimentazione, invece, è un investimento di razionalità.

Una norma ben validata riduce l’incertezza, aumenta la fiducia, rende più rapide le decisioni, rafforza il mercato, protegge i professionisti e migliora la qualità delle opere. Nel settore delle costruzioni, dove ogni prescrizione può incidere su costi, tempi, responsabilità e sicurezza, questo è fondamentale.

La norma non deve essere un adempimento da subire. Deve essere uno strumento da usare. E per essere usata deve essere comprensibile, applicabile, misurabile, ripetibile.

Altrimenti il rischio è che la norma diventi un dispositivo formale senza radicamento tecnico. Una frase legale appoggiata su una realtà che non ha davvero interrogato.

---

Una nuova alleanza tra filosofia, ingegneria e diritto tecnico

La questione normativa nell’era dell’AI non è solo giuridica. È filosofica e ingegneristica insieme.

È filosofica perché riguarda il rapporto tra opinione e conoscenza, tra verosimiglianza e verità, tra linguaggio e responsabilità, tra automazione e giudizio.

È ingegneristica perché richiede strutture, processi, controlli, validazioni, tracciabilità, gestione del rischio, manutenzione dell’informazione e verifica delle prestazioni.

È giuridica perché ogni risposta tecnica può incidere su obblighi, contratti, responsabilità professionali, sicurezza delle opere e tutela degli utenti.

Il punto d’incontro è questo: la conoscenza tecnica non può diventare una risposta senza fonte. E la fonte non può diventare autorevole senza prova.

In un mondo in cui l’informazione arriva sempre più spesso in forma algoritmica, la normativa deve rafforzare il proprio ruolo di infrastruttura epistemica. Deve essere il luogo in cui il sapere tecnico viene ordinato, verificato, aggiornato e reso responsabile.

Ma per riuscirci deve accettare una condizione: la realtà non è un allegato della norma. È il suo banco di prova.

---

Conclusione: non più solo norme da leggere, ma norme da interrogare e verificare

L’intelligenza artificiale non elimina il bisogno di normativa. Lo aumenta.

Più le risposte diventano rapide, più servono fonti solide. Più le sintesi diventano convincenti, più serve tracciabilità. Più la conoscenza viene mediata da algoritmi, più occorre distinguere tra informazione, interpretazione e decisione.

Ma serve anche un passaggio ulteriore: più la norma viene interrogata dalle macchine, più deve dimostrare di essere stata verificata dagli uomini nella realtà.

La normativa tecnica del futuro dovrà essere più chiara, più strutturata, più digitale, più verificabile. Dovrà parlare agli esseri umani, ma anche essere comprensibile dalle macchine. Dovrà consentire l’uso dell’AI, ma impedirle di sostituirsi alla responsabilità professionale. Dovrà essere accessibile, ma non banalizzata. Dovrà essere interrogabile, ma non ridotta a slogan. E soprattutto dovrà essere validata.

Perché il vero rischio non è che l’intelligenza artificiale entri nella tecnica. Il vero rischio è che vi entri amplificando norme deboli, metodi non provati, interpretazioni incerte, procedure non robuste.

Una cultura normativa all’altezza dell’era algoritmica dovrà dire con chiarezza che non ogni risposta ben formulata è una conoscenza affidabile. Che non ogni sintesi è una fonte. Che non ogni automatismo è una decisione. Che non ogni norma è, di per sé, una buona norma.

Una buona norma è quella che tiene insieme linguaggio e realtà, principio e prova, prescrizione e applicabilità, certezza giuridica e robustezza tecnica.

Nel campo delle costruzioni, questa non è una questione teorica. È parte della sicurezza, della responsabilità professionale e della fiducia collettiva.

---

FAQ TECNICHE: AI e norme tecniche: validazione, rischio e responsabilità

Che cosa significa parlare di norme tecniche nell’era dell’intelligenza artificiale?
Significa riconoscere che l’accesso alla conoscenza tecnica non passa più solo da testi ufficiali, manuali, circolari o norme, ma anche da sistemi generativi che producono sintesi e risposte.
Il problema non è l’uso dell’AI in sé, ma la perdita di tracciabilità tra risposta, fonte normativa, campo di applicazione e responsabilità professionale.
Per questo la norma tecnica deve diventare più strutturata, interrogabile e verificabile.

Che cosa si intende per ricerca doxica o algoritmica dell’informazione tecnica?
La ricerca doxica è una ricerca fondata su risposte plausibili, generate da correlazioni linguistiche e dati disponibili, ma non necessariamente verificate nel caso specifico.
Nel dominio tecnico questo è critico: una risposta ben formulata può essere percepita come certa anche quando deriva da fonti non aggiornate, incomplete o interpretate fuori contesto.
La conoscenza algoritmica deve quindi essere sempre ricondotta a fonti, versioni, paragrafi, limiti e condizioni applicative.

Quali norme o riferimenti incidono sull’uso dell’AI nella conoscenza tecnica?
Il riferimento regolatorio principale è il Regolamento UE 2024/1689, AI Act, che introduce anche l’obbligo di alfabetizzazione in materia di IA per fornitori e utilizzatori dei sistemi. L’articolo 4 richiede competenze adeguate rispetto a conoscenze tecniche, esperienza, formazione e contesto d’uso. 
Sul piano tecnico sono rilevanti UNI CEI ISO/IEC 42001:2024 per i sistemi di gestione dell’AI, UNI CEI EN ISO/IEC 23894:2024 per la gestione del rischio AI e UNI CEI EN ISO/IEC 22989:2023 per concetti e terminologia. 
Per l’applicazione ai singoli comparti delle costruzioni occorre verificare norme di prodotto, norme di prova e riferimenti nazionali specifici: [Verificare specifica tecnica/norma].

Perché la validazione reale dei metodi di prova è decisiva?
Una norma tecnica non è affidabile solo perché è formalmente approvata: deve dimostrare di funzionare nella realtà del laboratorio, del cantiere e delle condizioni operative.
Per i metodi di prova sono decisivi ripetibilità, riproducibilità, robustezza, sensibilità all’operatore, variabilità degli strumenti e condizioni di applicazione.
Senza questa verifica, la norma rischia di trasferire incertezza sul professionista e di trasformare il cantiere in un laboratorio a cielo aperto.

Quali vantaggi offre una normativa più strutturata per l’AI?
Una normativa semanticamente strutturata consente di distinguere obblighi, raccomandazioni, esempi, note, limiti applicativi e condizioni di validità.
Questo riduce il rischio che un sistema AI confonda un requisito cogente con una buona pratica o una raccomandazione con una prescrizione.
Per progettisti, imprese e direttori lavori significa disporre di risposte più tracciabili, verificabili e coerenti con il campo di applicazione reale.

Come dovrebbe essere progettata una “normativa aumentata”?
Una normativa aumentata dovrebbe mantenere il testo ufficiale come fonte primaria, ma affiancarlo a metadati, struttura semantica, riferimenti incrociati, versionamento e livelli di validazione.
Dovrebbe indicare con chiarezza il campo di applicazione, le esclusioni, le condizioni di prova, i limiti operativi e il grado di affidabilità del metodo.
L’AI può aiutare a interrogare la norma, ma non deve sostituire fonte ufficiale, verifica professionale e responsabilità umana.

Quali errori vanno evitati nell’uso dell’AI per cercare norme tecniche?
Il primo errore è considerare la risposta del chatbot come fonte normativa. La fonte resta il documento ufficiale, nella versione vigente e nel suo campo di applicazione.
Il secondo errore è formulare domande generiche: nel settore costruzioni la risposta dipende da materiale, destinazione d’uso, prestazione richiesta, fase del processo e responsabilità coinvolte.
Il terzo errore è non verificare se il metodo richiamato sia realmente validato e applicabile al caso specifico: [Verificare specifica tecnica/norma].