Per un Centro di Competenza sull’Intelligenza Artificiale Avanzata nel Settore dell’Ambiente Costruito

L’IA nel costruito sta evolvendo da assistente (LLM) a ecosistemi di agenti che pianificano lavori, supply chain, monitoraggio e qualità integrando BIM 4D, IoT e dati di cantiere. Il passo successivo – i world models – mira a simulare causalità fisica e scenari futuri, aumentando autonomia e rischi (misalignment, reward hacking, responsabilità).
Angelo Cirbini con l’articolo propone per questo un Centro di Competenza multidisciplinare per governare la transizione.

Agentic AI e World Model

L’Intelligenza Artificiale ha ormai raggiunto il Settore dell’Ambiente Costruito e strutture di committenza, organismi di progettazione (ed erogatori di servizi di ingegneria e di architettura), produttori, imprese di costruzioni, società di installazione di impianti, gestori immobiliari e infrastrutturali, public utility e altri iniziano a fare uso dei dispositivi più comuni.

Il ricorso a questi «strumenti» appare promettente e, al contempo, non particolarmente problematico, se non per alcune criticità mostrate dai Modelli Linguistici di Grandi Dimensioni.

In ogni caso, il ruolo dell’operatore umano appare centrale nell’impostare i prompt e nel verificare gli esiti ottenuti.

L’interrogativo su cui verte la nota riguarda, invece, che cosa possa accadere qualora la strumentalità possa cedere il passo nei confronti di altro, a partire, in effetti, da soluzioni non generative.

Si propongono, per una migliore comprensione del tema, in apertura, tre scenari incrementali che illustrano l'evoluzione dell'Agentificazione dei sistemi di Intelligenza Artificiale nella programmazione dei lavori in un cantiere edile, attraverso livelli crescenti di autonomia e di sofisticazione nella rappresentazione interna del mondo reale.

"Non illudiamoci: ciò con cui abbiamo a che fare è una creatura reale e misteriosa, non una macchina semplice e prevedibile."
Jack Clark

"Gli ingegneri che costruiscono i sistemi di IA odierni non comprendono ancora pienamente come questa tecnologia funzioni ed evolva, e questo li divide sul suo futuro. Alcuni prevedono una futura “insurrezione” tecnologica in cui le IA rimpiazzeranno gli esseri umani; altri liquidano questa preoccupazione come fantascienza."
Geoffrey Hinton

"Grazie alla sua natura non autoregressiva, VL-JEPA può produrre flussi continui di embedding semantici del target entro finestre scorrevoli con latenza minima, perché richiede un solo passaggio in forward senza decodifica autoregressiva. Ciò è particolarmente vantaggioso per applicazioni online in tempo reale, come il tracciamento dal vivo delle azioni, il riconoscimento di scene o la pianificazione, dove il flusso di embedding può essere decodificato selettivamente da un decoder y leggero, consentendo aggiornamenti efficienti e tempestivi."
Yann Le Cun et al.

Nel primo scenario si contempla l’ottimizzazione del programma dei lavori attraverso l’assistenza da parte di un Agente di Intelligenza Artificiale singolo.

Un'impresa di costruzioni sottopone a un Modello Linguistico di Grandi Dimensioni un programma dei lavori elaborato da un operatore umano.

L'agente di Intelligenza Artificiale sviluppa una rappresentazione interna della situazione di cantiere basata sui dati forniti e, attraverso l'analisi di vincoli temporali, risorse disponibili e dipendenze tra attività, propone una riprogrammazione ottimizzata.

Il sistema opera come consulente specializzato, mantenendo l'operatore umano al centro del processo decisionale.

Nel secondo scenario si utilizza l’Orchestrazione di Agenti di Intelligenza Artificiale con rappresentazione dinamica del mondo.

Un ecosistema multi-agente di Intelligenza Artificiale configura e mantiene una rappresentazione digitale complessa e dinamica del cantiere e della sua catena di fornitura. Ogni Agente di Intelligenza Artificiale specializzato sviluppa il proprio modello interno del dominio di competenza.

In particolare:

• l’Agente BIM-4D: analizza i Modelli Informativi 3D e genera una rappresentazione temporale ottimizzata (4D), modellando l'evoluzione fisica del cantiere
• l’Agente di Gestione delle Forniture: mantiene un modello interno dello stato degli ordini e delle relazioni con i fornitori
• l’Agente incaricato dell’Expediting: traccia e anticipa i flussi logistici attraverso una rappresentazione della supply chain
• l’Agente incaricato del Monitoraggio: integra dati da sensori IoT e da dispositivi aerotrasportati (droni) per aggiornare in tempo reale la rappresentazione dello stato fisico del cantiere
• l’Agente incaricato del Controllo Qualità: verifica la conformità in accettazione e produzione, confrontando stato reale e modello atteso
• l’Agente incaricato del Coordinamento: sincronizza le rappresentazioni dei singoli agenti e rialloca dinamicamente le risorse operative

Gli Agenti comunicano continuamente, condividendo porzioni delle loro rappresentazioni interne per mantenere una visione coerente e aggiornata del mondo reale.

L'Agentificazione permette una gestione distribuita, ma coordinata delle complessità del cantiere.

Nel terzo scenario si dà un ecosistema autonomo con modello predittivo del Mondo.

Il sistema raggiunge il massimo grado di Agentificazione: una rete di Agenti di Artificial Intelligence integrati con automi e con macchinari automatizzati sviluppa una rappresentazione predittiva e multidimensionale del Mondo Reale che include:

• un Modello storico: valutazione di produttività e affidabilità di fornitori e subappaltatori basata su pattern comportamentali
• un Modello dello stato corrente: rappresentazione in tempo reale di tutte le entità del cantiere (materiali, personale, mezzi, avanzamento dei lavori)
• un Modello delle intenzioni: inferenza degli stati mentali e delle capacità operative della catena di fornitura attraverso l'analisi di comunicazioni, comportamenti e vincoli esterni
• un Modello predittivo: simulazione di scenari futuri per anticipare criticità e opportunità

Gli Agenti di Intelligenza Artificiale operano con crescente autonomia:

• pianificano e programmano le attività attraverso ottimizzazione multi-obiettivo
• anticipano necessità di riprogrammazione analizzando segnali deboli nelle rappresentazioni predittive
• identificano proattivamente criticità contrattuali e preparano strategie di negoziazione o contestazione
• apprendono continuamente, raffinando le proprie rappresentazioni interne attraverso il confronto tra previsioni e risultati effettivi

In questo scenario, l'Agentificazione completa trasforma il cantiere in un sistema cyber-fisico dove Intelligenze Artificiali specializzate collaborano con le Intelligenze Naturali per mantenere una rappresentazione sempre più fedele e anticipatoria del Mondo Reale, senza che vi sia la necessità di supervisione umana nelle attività operative e tattiche.

Nel primo scenario proposto emerge un primo passaggio già attuato in via sperimentale: la configurazione di un'Orchestra di Agenti di Intelligenza Artificiale capaci di produrre, da prompt appropriati, Modelli Informativi.

In questa evenienza, attraverso un'interazione conversazionale, un progettista con competenze disciplinari specifiche può ottenere dati strutturati sia geometrico-dimensionali sia alfanumerici.

Come già illustrato, questi dati potrebbero essere elaborati da un'altra Orchestrazione di Agenti per generare un programma dei lavori, sempre con la presenza di un operatore umano che verifichi e controlli eventuali disallineamenti e allucinazioni.

Questi Modelli Informativi potrebbero successivamente essere integrati in ambiti di simulazione dinamica, pur rimanendo nell'alveo degli approcci classici.

Ben diverso è lo scenario futuro in cui Modelli Cognitivi avanzati siano in grado di generare autonomamente rappresentazioni semantiche dotate di una comprensione effettiva dei fenomeni fisici, diventando proattivi rispetto a fattori di diversa natura e acquisendo una progressiva indipendenza dall'intento progettuale originario.

Tra l’altro, nel terzo scenario si darebbe anche la presenza di automi umanoidi che incorporino la comprensione dei fenomeni.

Il quadro narrato parla, dunque, di un cantiere tendenzialmente autonomo: è una prospettiva auspicabile?

Per rispondere, è necessario risalire nella riflessione, sino ai presupposti attuali.

I Rischi Finanziari e Sociali dell'AI

Prima di entrare nel merito delle considerazioni qui svolte occorre avvertire che il fine delle stesse consista nell’ammonire nei confronti di un atteggiamento disinvolto e ottimistico a oltranza verso le soluzioni prospettiche dell’Intelligenza Artificiale, al centro di una competizione non meditata verso forme avanzate e inesplorate di Intelligenza, chissà se necessarie, che, tuttavia, potrebbe provocare una gravissima crisi finanziaria, stante l’incapacità di alcuni player, non di tutti, nel servire debiti colossali, oltre a esiti inaspettati e nocivi, crisi che potrebbe rivelarsi inevitabile poiché i competitori sono avvinti dal dilemma del prigioniero.

Sorge, peraltro, il dubbio che l’intravedere orizzonti di Intelligenze Superiori possa essere un espediente per mantenere vivo l’interesse dei mercati finanziari a fronte di limitazioni palesi delle tecnologie oggi rese disponibili sul mercato.

Non si devono, poi, dimenticare le ingenti somme destinate alla costruzione di data center il cui ciclo di vita si limita a pochi decenni, immensamente energivori e causa di consumi idrici difficilmente sostenibili.

La questione risiede ormai nel fatto che le frontiere dell’Intelligenza Artificiale siano ormai incentrate nel dibattito legato alle neuroscienze sulle differenze nel funzionamento del cervello biologico e di quello digitale, sul rapporto che intercorre tra senzienza, cognizione e corporeità, presente nei futuri Modelli Esperienziali dei Contesti Ambientali.

Oltre a ciò, l’Industria dell’Intelligenza Artificiale si basa ormai su infrastruttura, distribuzione e integrazione, sulla scorta del fatto che i sistemi più diffusi stiano diventando intercambiabili e, pertanto, delle commodity.

Al contempo, la produzione dei codici è sempre più delegata agli stessi Modelli, innescando spirali perniciose, sino a ipotizzare la realizzazione di un AI Researcher.

Si pensi, peraltro, a soluzioni di Latent Space Thinking, il cui controllo sarebbe difficile e che potrebbero causare instabilità nei comportamenti dei Modelli.

Del resto, appare sempre più probabile che queste soluzioni stiano per causare gravi perdite occupazionali nei lavori intellettuali, specie di primo livello, senza corrispondenti compensazioni, dato che la velocità dello sviluppo tecnologico è eccessiva.

A proposito di lavori manuali in edilizia, un rapporto del Parlamento nel Regno Unito circoscrive la portata dei licenziamenti, ma enfatizza, anche in questa situazione, la possibile riduzione delle nuove assunzioni e i cambiamenti nella natura del lavoro.

D’altronde, negli Stati Uniti si rileva, anzitutto, che la perdita occupazionale sia rilevante per le generazioni più giovani nelle professioni intellettuali: il che significa che non vi sarebbe più un processo di maturazione delle persone reclutate, poiché i LLM e i LIM agiscono in primo luogo nella sfera delle competenze elementari.

La proposta di un centro di Competenza

La nota presente tratta della necessità di istituire una sorta di centro di competenza relativo all’Intelligenza Artificiale attinente al Settore dell’Ambiente Costruito e segnatamente con riferimento al Settore della Costruzione e dell’Immobiliare, in quanto, a seguito dell’avvio della digitalizzazione nelle sue forme più disparate, a far data da quelle elementari sino a quelli maggiormente sofisticati, il comparto si cimenta con la generazione classica dei Modelli Linguistici di Grandi Dimensioni, forse già ascrivibili nel Surveillance Capitalism in attesa della prossima versione dell’Agentificazione (Agentic AI) - si pensi a Claude Code o a Open AI Codex - e successivamente dei Modelli Cognitivi, che richiedono attenzioni assai maggiori in quanto entreranno nel mondo della fisicità, obbligando a stabilire modalità relazionali inedite per gli esseri umani.

Le recenti iniziative di Anthropic, Open AI, Google, Meta, Microsoft, Tesla, oltreché delle analoghe società cinesi, stanno andando nella direzione, infatti, di dotare la robotica avanzata di capacità cognitive, cosicché ChatGPT, Claude, Copilot, Deep Seek, Gemini, Grok, Meta AI, apparterranno alla categoria degli strumenti del passato: dalla Sorveglianza all’Incontrollabilità?

Ovviamente, è difficile stabilire con attendibilità la tempistica relativa, ma ciò che deve preoccupare, occupare con lungimiranza l’attenzione del settore, è la tendenza, ormai in atto, obbligando a ragionare sulle dinamiche non solo in senso tecnologico, poiché non ci si trova di fronte esclusivamente a una dimensione strumentale.

Occorre, infatti, essere consapevoli che attualmente la priorità geopolitica ha trasceso logiche puramente economico-finanziarie e ha innescato una discutibile e acceleratissima rincorsa al conseguimento di forme di Intelligenza superiori a quelle umane, invero, generando investimenti di centinaia di miliardi di dollari, il cui servizio al debito appare sempre più precario, specie per quelle società che non traggono margini di profitto dalle stesse infrastrutture per altri tipi di servizi (in ciò la principale differenza tra Open AI e Google), ma che ne rivela una natura altra da quella immediatamente intuibile, che implica la moltiplicazione degli utenti, l’aumento dei dati che essi producono per l’addestramento degli algoritmi, l’incremento esponenziale delle capacità di calcolo (sempre più insostenibili), la concentrazione dei migliori esperti, causando un self improvement dei sistemi stessi e la massima concentrazione dei capitali di investimento.

Oltre a ciò, l’approccio alla Intelligenza Avanzata dei Paesi Occidentali è teso verso la creazione di intenti ideologici verso la cosiddetta Super Umanità, mentre l’approccio cinese è maggiormente incline alla prestazionalità.

Il punto è che, se si guarda in senso positivo alla Formazione, alla Salute, alla Finanza o alla stessa Costruzione, gli sviluppi dell’Intelligenza Artificiale promettono drastici salti qualitativi, ma se si scorgono le implicazioni sul piano della Difesa o della Società, i tratti di incontrollabilità dei potenziali progressi futuri appaiono fortemente preoccupanti.

Il Settore dell’Ambiente Costruito, sia pure in ritardo rispetto ad altri settori economici, sta perseguendo politiche di digitalizzazione secondo l’assunto per cui la continuità dei flussi informativi dovrebbe incrementare la produttività essenzialmente attraverso la riduzione della parcellizzazione degli scambi informativi, la riduzione degli antagonismi e dei conflitti tra soggetti dotati di culture, di interessi e di identità differenti se non contrapposte, l’aggregazione di organizzazione parcellizzate sino a una specie di atomizzazione.

Immagine creata da Gemini su prompt dell’autore

Come in precedenza accennato, forme di Orchestrazione tra Agenti di Intelligenza Artificiale proattivi e autonomi, e presenze di Automi e di Macchinari dotati di conoscenza fisica e psicologica degli ambienti reali potrebbero essere ancora meglio in grado di attuare una reductio ad unum, indispensabile per aumentare il livello di produttività del settore nella progettazione, nella costruzione e nella manutenzione.

Il Settore dell’Ambiente Costruito si sta progressivamente digitalizzando, grazie, in primo luogo, al Codice dei Contratti Pubblici (D.Lgs. 36/2023 e s.m.i.), ma anche alla Construction Products Regulation (CPR) (CPR), cosicché esso sta divenendo un significativo produttore, elaboratore, utilizzatore dei dati grazie a una moltitudine di soluzioni a livello di tecnologia, a partire dalla Modellazione Informativa.

In altre parole, progressivamente si costituirà un ecosistema digitale entro il quale sarà possibile tracciare le azioni e i comportamenti degli attori all’interno delle transazioni contrattuali.

Per quanto prevalga ancora per un certo tempo la dematerializzazione dei documenti, vieppiù i dati saranno disponibili in quanto tali in modi strutturati.

Questa condizione permetterà alle applicazioni di Intelligenza Artificiale di trovare terreno fertile per il loro addestramento, ma anche causerà una folla di interrogativi sulle conseguenze della introduzione della Artificial Intelligence, già in atto senza un orientamento o un indirizzo adeguato, considerando pure che gli applicativi tradizionali saranno integralmente agentificati, così che i tradizionali strumenti dell’informatica, tra cui quelli per la Modellazione Informativa, saranno operativi, anziché passivi e interagiranno conversazionalmente con l’utente, il cui ruolo potrà variare e potenzialmente a quest’ultimo non sarà più necessario conoscere le funzionalità dei dispositivi.

Immagine creata da Gemini su prompt dell’autore

Appare probabile, perciò, che, nell’arco di pochi anni, tutti gli applicativi di disegno automatico, di Modellazione Informativa e parametrico computazionale per la progettazione oppure per la gestione della sicurezza, di calcolo strutturale, di calcolo impiantistico, di modellazione energetica, di preventivazione e di contabilità economica, e così via, oltre a quelli di scrittura di testi, saranno agentificati, lasciando all’utente un ruolo di richiesta a fronte di una forte propositività da parte degli algoritmi.

L'uso di strumenti di Intelligenza Artificiale predittiva

Facendo poi ritorno all’esempio in apertura, in questo modo la Fédération Française du Bâtiment (FFB) descrive una possibile applicazione dell’Intelligenza Artificiale al cantiere: Utilizzando algoritmi avanzati, l'IA può infatti analizzare enormi moli di dati. I modelli predittivi possono integrare le previsioni meteorologiche e altri parametri per anticipare, ad esempio, potenziali interruzioni del cantiere.

L'IA contribuisce anche a prevedere il fabbisogno di materiali o a eseguire simulazioni basate sull'avanzamento del progetto. Può inoltre generare avvisi e ottimizzare l'allocazione delle risorse, garantendo che le attrezzature e le squadre giuste si trovino nel posto giusto al momento giusto.

Si tratta quindi di minimizzare i tempi di inattività, adattare l'organizzazione se necessario e aumentare l'efficienza complessiva.

Così Claude interpreta queste medesime affermazioni alla luce di un ipotetico World Model.

I World Model, addestrati su vasti corpora di sequenze video temporali del settore costruzioni, non si limitano ad analizzare dati storici ma sviluppano una rappresentazione interna del cantiere come ambiente fisico dinamico.

Diversamente dai modelli predittivi tradizionali che correlano statisticamente variabili meteorologiche a ritardi, un World Model simula internamente la causalità fisica: comprende come pioggia, vento o temperature estreme influenzino materialmente le attività di getto, montaggio o finitura. Non «prevede» interruzioni attraverso pattern statistici, ma le anticipa simulando mentalmente le conseguenze fisiche degli eventi atmosferici sulla specifica configurazione del cantiere.

Dotati di memoria permanente e percezione spaziale dell'ambiente, questi sistemi non si limitano a «prevedere il fabbisogno di materiali» attraverso estrapolazioni, ma pianificano autonomamente la logistica cantieristica ragionando sulle interdipendenze causali tra avanzamento lavori, vincoli spaziali, sequenze operative e disponibilità di risorse. Il sistema non genera «avvisi» passivi ma elabora piani d'azione, prevede le reazioni degli attori coinvolti e può orchestrare autonomamente la riallocazione di attrezzature e squadre.

La differenza sostanziale risiede nel fatto che il World Model non ottimizza parametri sulla base di correlazioni apprese, ma simula internamente il funzionamento fisico del cantiere, ragiona sulle conseguenze delle proprie decisioni, e può attuare azioni in contesti embodied (attraverso macchinari, robot, sistemi di cantiere interconnessi) con crescenti gradi di autonomia decisionale.

Non si tratta più di minimizzare tempi morti attraverso analisi predittive, ma di delegare a sistemi cognitivi artificiali la pianificazione, il monitoraggio e potenzialmente l'esecuzione di porzioni significative della gestione cantieristica, ponendo interrogativi inediti su responsabilità, controllabilità e allineamento con gli obiettivi umani.

Ciò comporta, dunque, la possibilità che i corpora di testi, di immagini, di video o di altro, prodotti all’interno del settore siano acquisiti da soggetti estranei per addestrare i Modelli Linguistici e Cognitivi senza opportune cautele oppure che sistemi che potrebbero divenire sempre più impenetrabili e imprevedibili possano provocare disallineamenti riguardo agli intenti originari espressi dagli attori umani.

I Modelli di Rappresentazione del Mondo Reale nascono in contestazione all’assunto secondo cui il raggiungimento di livelli superiori di prestazionalità dell’Intelligenza Artificiale sia conseguibile attraverso il potenziamento dei classici LLM e LIM.

Un accoglimento superficiale e frettoloso delle soluzioni attuali, basate su Modelli Linguistici e Iconici potrebbe, perciò, essere seguito da un analogo atteggiamento nei confronti di soluzioni assai più critiche.

I World Model, come nella narrazione precedente, agirebbero sul modo di pensare degli operatori economici poiché possiederebbero la capacità di comprendere i meccanismi di funzionamento della mente umana e di prevedere le reazioni degli esseri umani.

Dato che si tratta, in una prospettiva indeterminata, ma non fantascientifica, di ipotesi fondate e realistiche, occorre domandarsi se non sia il caso di regolamentare sviluppi in tal senso dell’Intelligenza Artificiale.

Immagine creata da Gemini su prompt dell’autore

Un sistema prestazioni-centrico

L’Intelligenza Artificiale appartiene al novero delle innovazioni digitali, da alcuni considerata come altre, ma, in definitiva, molto più trasformativa, anzitutto, poiché la promessa di incremento della produttività fa sì che gli operatori siano attratti da una esasperazione della prestazionalità destinata a produrre numerosi effetti imprevisti e probabilmente negativi, in assenza di una consapevolezza e di una conoscenza dell’argomento, entro un mercato denso di consulenti interessati a promuovere soprattutto la strumentalità.

Appare cruciale, dunque, che, anche sulla scorta di iniziative come la Fondazione FAIR – Future Artificial Intelligence Research, sia opportuno creare un Centro di Competenza di Settore, in cui vi siano declinazioni tecniche, organizzative, sociologiche, giuridiche, economiche.

In questo periodo storico il Settore della Costruzione e dell’Immobiliare, a seguire altri settori, sta, parimenti, iniziando a utilizzare i Large Language Model (LLM), oltre a Large Image Model (LIM), e a Multi Model Large Model (MMLM): spesso in maniera acritica, in relazione alla loro natura ormai sempre meno strumentale e all’imminente trasposizione dai Modelli Classici ai Modelli Cognitivi e all’età di ibridazione tra approcci diversi (simbolici e neurali), dalla Narrow Artificial Intelligence alla General Artificial Intelligence.

Giusto la limitazione dei Modelli Linguistici, che hanno conferito una enorme popolarità all’Intelligenza Artificiale, con la necessità di individuare altre forme di algoritmi per raggiungere la comprensione dell’ambiente reale da parte delle macchine, risulta il passaggio più critico.

L’inconsapevolezza della reale natura dell’Intelligenza Artificiale nella sua forma avanzata costituisce una incognita assai rilevante, sia che si pensi che se ne possa fermare o rallentare la progressione sia che si sia convinti della sua inevitabilità.

D’altra parte, si sta ragionando sulla natura biologica o elettrica delle entità, si sta passando dalla linguistica alle scienze cognitive, sostanzialmente sui temi originari ontologici, non certo su dispositivi e su strumenti.

Di conseguenza, anche per gli operatori del settore, impegnati ad apprezzare il beneficio di predisporre un bando di gara di appalto o una offerta in replica a tale bando, proprio perché i grandi competitori del mercato globale ragionano di singolarità e di sovrumanità, si imporrebbe il quesito relativo alla natura evolutiva degli algoritmi e delle macchine di cui attualmente si servono.

Sostanzialmente, da molti osservatori si pone l’esigenza di introdurre una specie di moratoria, in analogia a quella inerente agli armamenti nucleari, per scongiurare che prevalga la logica della corsa all’ignoto lanciata da Cina e da Stati Uniti con politiche di governo assai a supporto, oltre alla constatazione che il mercato sia divenuto ormai dominato da pochi competitori, smentendo la retorica per cui la legislazione sul tema sarebbe nociva all’innovazione tecnologica.

Tra l’altro, vi è la possibilità che i LLM paradossalmente possano introdurre conformismi e impedire i cambi di paradigma tipici dell’innovazione, agendo in termini cumulativi sulla conoscenza pregressa, ancorché molti temano che possano, invece, generare logiche inediti e aliene, mettendo a repentaglio la AI Safety.

Di fatto, l’ambito dell’Intelligenza Artificiale, con la diffusione dei Modelli Linguistici Massivi basati sui Transformer o trasformatori, architetture di reti neurali artificiali, avviata nel 2022 con OpenAI, invero attualmente minacciata da una potenziale crisi finanziaria, e resa praticata da seguito di alcuni passaggi scientifici risalenti al 2017, alcune soluzioni di Deep Learning sono entrate nella disponibilità di una moltitudine di soggetti in termini conversazionali.

La diffusione sul mercato di queste soluzioni è avvenuta probabilmente senza le necessarie cautele, cosicché oggi si oscilli tra preoccupazioni estreme e ottimismi ingiustificati, constatando, peraltro, già effetti derivati indesiderati assai cospicui.

È ben vero che attualmente siano stati introdotti approcci di Large Reasoning Model (LRMs) per generare la descrizione dei processi di analisi dei prompt e di formulazione delle risposte.

Di fatto, comunque, il funzionamento di questi Modelli Linguistici non è pienamente compreso né comprensibile, tanto che alcune ricerche hanno evidenziato anche la loro capacità di fornire catene del pensiero plausibili, ma inautentiche, facendo sì che il loro comportamento sia imprevedibile.

Attualmente, tuttavia, vi sono molte controversie relative ai limiti dei LLM e dei LIM, sia nel senso che essi non possano essere costitutivamente affidabili, che la disponibilità di serie di dati sia ormai esaurita, che la natura generalista delle basi apprese non sia sufficiente per i domini verticali, che la scaling hypothesis non sia corretta e che generi consumi energetici o idrici insostenibili, sia nel senso che i LM evidenzino comprensione semantica, elementi di coscienza e di senzienza, capacità di autoconservazione e di autoriproduzione secondo logiche aliene.

Tutto ciò è aggravato dal tentativo di introdurre non solo Agenti e Assistenti di Intelligenza Artificiale ovunque e con un maggiore grado di sofisticazione, di portare l’essere umano alla semplice condizione di osservazione degli esiti proposti, ma pure di configurare Orchestrazioni di Agenti di Intelligenza Artificiale capaci di perseguire livelli di autonomia e di indipendenza nei processi decisionali, tramite Agentic AI.

Bisogna, peraltro, dire che, pur in una ottica controversa, vi sia la possibilità che l’Orchestratore degli altri Agenti possa sviluppare con essi forme di dialogo e di interazione ignote all’utente umano, e a esso non penetrabili.

La situazione più critica riguarda lo sviluppo di World Model, addestrati su corpora di video, cioè di sequenze temporali dinamiche, dotati di una rappresentazione interna del mondo reale, capaci di detenere memoria permanente, di percepire spazialmente l’ambiente circostante, di ragionare, di predire, di pianificare, di programmare e di attuare azioni, prevedendo le reazioni altrui, anziché elementi del linguaggio.

La volontà di dotare la macchina della comprensione della causalità fisica dei fenomeni, rapportata ai meccanismi del cervello umano, palesa la portata della transizione in atto.

La transumanizazzione dell'AI

La fuoriuscita dal contesto del linguaggio e dell’immagine, dall’essere embedded all’essere embodied in automi (umanoidi o meno) o in macchinari, pone una serie di gravi incognite.

Molte versioni prospettiche su questi argomenti appaiono, quindi, assai inquietanti, mentre altre tendono sostanzialmente a ridimensionare la possibilità che certi scenari possano avverarsi.

Sperimentazioni recenti hanno dimostrato, ad esempio, che alcuni dispositivi presentano consapevolezza del contesto e del fatto di essere oggetto di osservazione adattandosi, cose che li rendano ostativi all’allineamento con gli intenti degli esseri umani o resistenti allo spegnimento, anche se ciò non equivale a possedere consapevolezza.

In particolare, appare assai preoccupante il recursive self-improvement, vale a dire la capacità dei Modelli di modificare il proprio codice o di progettarne versioni migliorate.

La teoria nota come hard takeoff prevede che allorché i Sistemi di Intelligenza Artificiale raggiungano una data soglia di capacità possano operare in auto-miglioramento ricorsivo, nel quale le loro capacità aumentino in modo esponenziale anziché in modo incrementale.

Ad esempio, l’apprendimento rinforzato può dare vita al reward hacking, che comporta azioni del Modello devianti dagli intenti originari definiti al fine di massimizzare il sistema di gratificazione.

Ammesso che sia difficile definire che cosa siano intelligenza, coscienza, senzienza, e che sia possibile definirne metriche attendibili, non vi ha dubbio che, a partire dal 2026, espressioni come General Artificial Intelligence (GAI) e Super Artificial Intelligence (SAI) possano divenire familiari entro il settore della costruzione e dell’immobiliare e che siano affrontate con eccessiva leggerezza.

Vi è, infatti, la ricerca di giungere a ottenere la Technological Singularity e l’Intelligence Explosion.

Accanto a queste tematiche vi sono, poi, i risvolti che riguardano la regolazione a livello comunitario e le questioni etiche, l’atrofizzazione del pensiero critico nelle generazioni più giovani, le patologie mentali legate all’attachment.

Quello che appare come indubitabile è, tuttavia, che le prospettive di medio e di lungo periodo facciano intravedere l’esigenza di considerare tematiche oggi inusitate.

Il settore della costruzione e dell’immobiliare ha una urgente necessità di creare un proprio centro di competenza sui temi dell’Intelligenza Artificiale nel momento in cui essa promette di valicare i confini del linguaggio e dell’immagine e di mettere in discussione la natura incrementale dell’evoluzione dell’Intelligenza Artificiale, senza tenere in conto dell’opportunità effettiva di raggiungere una condizione generale pari o superiore a quella umana.

Del resto, ci si preoccupa di profilare nuove professionalità (UNINFO ne ha appena licenziate una dozzina), ma non di individuare forme di mediazione tra culture umane e culture aliene, di sottomettere il linguaggio naturale alla interpretabilità da parte della macchina, anziché fare il contrario.

Lo sviluppo nel Settore delle Costruzioni

La passività con cui gli attori del Settore dell’Ambiente Costruito possano utilizzare i Modelli Linguistici e i Modelli Cognitivi è fonte di gravissimo nocumento.

Ovviamente, occorre investigare come l’Intelligenza Artificiale Avanzata possa influenzare gli ambiti della committenza, della professione e dell’imprenditorialità, possa condizionare il contesto degli edifici, delle infrastrutture e delle reti, possa riguardare le fasi di committenza, di progettazione, di esecuzione e di gestione.

Lo stato contemporaneo delle applicazioni dei Modelli al Settore ė prevalentemente basato su singole attività caratteristiche dei diversi attori nell’accezione del supporto a redigere un documento, realizzare un calcolo, produrre una immagine, strutturare una serie di dati, tra cui i Modelli Informativi e così via, ma siamo in presenza di applicazioni relativamente poco rilevanti al cospetto di questioni che l’avanzamento tecnologico imporrebbe.

Al massimo, fatti salvi i temi della affidabilità dei risultati, della tutela della proprietà intellettuale, della riservatezza dei dati e della cyber sicurezza, non sono certo in gioco elementi che pregiudichino i processi decisionali quanto ad autonomia.

È probabile, infatti, che i Modelli attuali, al netto di allucinazioni, possano contribuire, ad esempio, a un aumento di produttività nelle amministrazioni pubbliche (anche senza minacciare l’occupazione, almeno in un primo momento), che possano supportare i professionisti nelle simulazioni progettuali, che possano automatizzare la predisposizione di un programma dei lavori a favore di imprese di costruzioni, che possano potenziare i Gemelli Digitali nella gestione degli edifici.

Meno facilmente questi Modelli potranno ridurre la frammentarietà dei processi decisionali e unificare sistemi antagonistici, ma è davvero di questo che dovrebbe preoccuparsi chi considera un arco temporale più vasto?

Ad esempio, il fatto che i produttori di Modelli rivelino che nonostante il Reinforcement Learning from Human Feedback (RLHF) restino disallineamenti accidentali o intenzionali rispetto agli obiettivi di sicurezza perseguiti, potrebbe avere risvolti anche su operazioni banali.

Come evidenziato, il progresso tecnologico evoca ben altre questioni, tanto che tutti i contributi scientifici più tecnici non possono fare a meno di menzionarle, così come le testimonianze di alcuni protagonisti interni alla competizione imprenditoriale (a iniziare da Anthropic) e di massimi studiosi, quali Bengio, Hinton, Marcus.

Un centro di competenza dovrebbe includere istituzioni pubbliche, mondo accademico, rappresentanze professionali e imprenditoriali, parti sociali, agire su diversi piani disciplinari (tecnologici, organizzativi, gestionali, cognitivi, sociologici, psicologici, giuridici, economici, finanziari), investire le diverse tipologie di culture (professionali e imprenditoriali), riguarda gli ambiti degli edifici, delle infrastrutture e delle reti.

La percezione dello sviluppo dell’Intelligenza Artificiale, dal 2022, tramite i LLM e i LIM, per quanto improvvisa e stupefacente, sembra generalmente essere caratterizzata da una velocità graduale, ma, nella realtà, l’accelerazione che sta avvenendo pone interrogativi sempre più impegnativi.

Ecco come Claude illustra l’evoluzione prevista da Anthropic per la preparazione di un bando di gara relativo a un contratto pubblico.

L'utilizzo di un Large Language Model (LLM) nella redazione di un bando di gara, specialmente nel contesto del nuovo Codice dei Contratti Pubblici (D.Lgs. 36/2023), rappresenta una leva strategica per l'efficienza amministrativa. Il nuovo codice spinge fortemente verso la digitalizzazione (artt. 19-36), rendendo l'uso dell'IA non solo utile, ma coerente con lo spirito della normativa.

Ecco come un LLM può supportare il Responsabile Unico del Procedimento (RUP) e il gruppo di lavoro in ogni fase, mantenendo sempre la supervisione umana come elemento imprescindibile.

1. Analisi Preliminare e Strategia di Gara

Prima ancora della scrittura, l'LLM può agire come un assistente strategico per definire il perimetro dell'appalto.

• Analisi dei Fabbisogni: Inserendo (in modo anonimizzato) i dati storici o le richieste dei dipartimenti, l'LLM può aiutare a sintetizzare una descrizione chiara del fabbisogno, utile per la Relazione Unica.
• Supporto alla decisione (Determina a contrarre): Può aiutare a strutturare le motivazioni per la scelta della procedura (es. procedura aperta vs ristretta o negoziata), verificando la coerenza con le soglie previste dal D.Lgs. 36/2023 (es. le nuove soglie per l'affidamento diretto).

2. Redazione dei Documenti di Gara

Questa è la fase operativa dove l'LLM offre il massimo valore, riducendo i tempi di "copia-incolla" e adattamento.

A. Il Bando e il Disciplinare

L'LLM può assistere nell'adattamento dei Bandi Tipo ANAC alle specifiche esigenze della Stazione Appaltante.

• Prompting: "Agisci come un esperto legale in appalti pubblici. Adatta la clausola del soccorso istruttorio del Bando Tipo ANAC n.1/2023 alle previsioni dell'art. 101 del D.Lgs. 36/2023 per una procedura aperta sottosoglia."
• Verifica Requisiti: Può generare checklist per i requisiti di ordine generale (artt. 94-95) e speciale (art. 100), assicurando che non vengano richiesti documenti già presenti nel Fascicolo Virtuale dell'Operatore Economico (FVOE), in linea con il principio del "once only".

B. Il Capitolato Tecnico

Qui l'LLM è eccellente per tradurre esigenze operative in specifiche tecniche.

• Definizione specifiche: Aiuta a descrivere le caratteristiche tecniche di prodotti o servizi, riducendo le ambiguità.
• Integrazione CAM (Criteri Ambientali Minimi): Il D.Lgs. 36/2023 rende obbligatori i CAM (art. 57). Puoi chiedere all'LLM: "Elenca i criteri premianti previsti dall'ultimo decreto CAM per il servizio di pulizia e suggerisci come inserirli nel capitolato."

C. Criteri di Valutazione (OEPV)

Se la gara è aggiudicata con l'Offerta Economicamente Più Vantaggiosa (art. 108):

• Griglie di Valutazione: L'LLM può proporre una struttura tabellare per i criteri discrezionali e quantitativi.
• Formule Matematiche: Può suggerire le formule per l'attribuzione dei punteggi economici (es. formula bilineare), spiegandone i pro e i contro in termini di aggressività del ribasso.

3. Compliance e Controllo Qualità (Check-list Normativa)

Un uso potente dell'LLM è la verifica della coerenza normativa ("Sanity Check").

• Rilevamento riferimenti obsoleti: Dato che molti funzionari usano vecchi bandi come base, l'LLM può scansionare il testo e segnalare riferimenti al vecchio D.Lgs. 50/2016 che devono essere aggiornati al D.Lgs. 36/2023.
• Verifica Principi Generali: Può analizzare se il testo rispetta i nuovi principi cardine del Codice (artt. 1-3), come il Principio del Risultato e il Principio della Fiducia, suggerendo modifiche nel tono o nelle clausole di esclusione per renderle meno "difensive" e più orientate all'obiettivo.

4. Simulazione e Pubblicazione

• Generazione FAQ preventive: Chiedi all'LLM: "Analizza questo Capitolato e agisci come un operatore economico interessato. Quali punti risultano poco chiari e quali domande di chiarimento faresti?". Questo permette di correggere il tiro prima della pubblicazione.
• Sintesi per Pubblicità Legale: Può generare le sintesi brevi necessarie per la pubblicazione sulla PVL (Piattaforma Pubblicità Valore Legale) o sulla GUUE.

L'agentificazione dei processi

L'agentificazione (o approccio agentic) rappresenta il prossimo salto evolutivo rispetto all'uso standard di un LLM (come ChatGPT in modalità "chat").

Invece di avere una singola conversazione in cui tu chiedi e l'IA risponde, creiamo un team di "Agenti AI" autonomi, ciascuno con un ruolo, un obiettivo specifico e degli strumenti dedicati, che collaborano tra loro sotto la supervisione umana.

Nel contesto del D.Lgs. 36/2023, questo significa simulare digitalmente un ufficio gare, dove ogni agente copre una competenza specifica prevista dal Codice.

Ecco come strutturare un'architettura Multi-Agent System (MAS) per la redazione di un bando.

1. L'Architettura del "Team Virtuale"

Immagina una struttura gerarchica dove un agente principale coordina il lavoro di agenti specialisti.

A. Agente "Orchestrator" (L'Assistente RUP)

• Ruolo: È il project manager. Non scrive i testi legali o tecnici, ma smista i compiti, controlla i tempi e assembla l'output finale.
• Obiettivo: "Produrre un pacchetto di gara completo entro i tempi previsti, garantendo che tutti gli specialisti abbiano completato i loro task."
• Istruzione al sistema: "Ricevi l'input dal RUP umano (es. 'Gara per mensa scolastica, 500k€'). Attiva l'Agente Legale per la scelta della procedura e l'Agente Tecnico per il capitolato. Quando hanno finito, passa tutto all'Agente Revisore."

B. Agente "Legal Expert" (Il Giurista del 36/2023)

• Ruolo: Esperto normativo.
• Strumenti (RAG): Ha accesso a un database vettoriale contenente il testo completo del D.Lgs. 36/2023, le linee guida ANAC, e le sentenze recenti del TAR.
• Task:
• Determinare la procedura corretta (es. Aperta vs Negoziata) basandosi sulle soglie (art. 14 e 50).
• Redigere il Disciplinare di gara e lo schema di contratto.
• Verificare i requisiti di partecipazione (artt. 94-95).

C. Agente "Technical Writer" (L'Esperto di Dominio)

• Ruolo: Redattore del Capitolato.
• Task: Scrivere le specifiche tecniche.
• Particolarità: Se la gara è per servizi IT, questo agente userà un set di conoscenze IT; se è per lavori edili, userà prezzari regionali e norme tecniche.
• Integrazione obbligatoria: Deve consultare i CAM (Criteri Ambientali Minimi) specifici per la categoria merceologica (art. 57) e inserirli nel testo.

D. Agente "Critic" (Il "Red Team" / L'Avvocato del Diavolo)

• Ruolo: Simulatore di contenzioso.
• Obiettivo: Trovare errori. Agisce come un operatore economico che vuole fare ricorso.
• Task:
• Analizzare il lavoro degli altri agenti.
• Cercare clausole escludenti illegittime (principio del favor participationis).
• Verificare che i criteri di valutazione non siano discriminatori.

2. Il Flusso di Lavoro (Workflow Agentico)

Ecco come si svolge il processo "dietro le quinte" una volta che il RUP umano dà il comando iniziale.

1. Input Iniziale (Umano): Il RUP scrive: "Dobbiamo affidare il servizio di manutenzione del verde pubblico. Importo stimato 220.000€. Durata 24 mesi."
2. Analisi (Orchestrator): L'Orchestrator analizza la richiesta. Capisce che è un servizio soprasoglia o sottosoglia a seconda delle soglie attuali e attiva gli specialisti.
3. Step 1 - Inquadramento (Legal Agent):
• Ragionamento: "220k€ è sopra la soglia dei 140k€ per affidamento diretto ma sotto la soglia europea. Propongo Procedura Negoziata senza bando (art. 50 comma 1 lett. e) consultando 5 operatori."
• Output: Bozza della Determina a contrarre con motivazione sulla scelta dei contraenti.
4. Step 2 - Capitolato (Technical Agent):
• Recupera il DM "CAM Verde Pubblico".
• Scrive le specifiche tecniche (sfalcio, potatura).
• Inserisce le clausole sociali e ambientali obbligatorie.
5. Step 3 - Revisione Incrociata (Critic Agent):
• Legge la bozza del Legale e del Tecnico.
• Segnalazione: "Attenzione: avete richiesto la certificazione ISO 9001 come requisito di partecipazione. Secondo giurisprudenza recente, è meglio chiederla come requisito di esecuzione o dare punteggio premiante, per non restringere troppo la concorrenza."
6. Correzione (Orchestrator): L'Orchestrator rimanda il feedback all'Agente Legale che modifica la clausola.
7. Output Finale: Il RUP riceve un pacchetto zip con: Determina, Capitolato, Disciplinare e una nota di sintesi sui rischi rilevati.

L'uso di sistemi agentici deve rispettare l'Art. 30 del D.Lgs. 36/2023 (Uso di procedure automatizzate).

• Human-in-the-loop: L'Agente Orchestrator non può "pubblicare" la gara. Deve fermarsi e chiedere la validazione ("Approve/Reject") al RUP umano prima di ogni fase critica.
• Spiegabilità: Il sistema deve fornire il "Reasoning Trace" (la traccia del ragionamento). L'Agente Legale non deve solo dire "Procedura Negoziata", ma mostrare: "Ho scelto Negoziata perché Importo (220k) < Soglia UE (215k servizi/forniture o diversa soglia vigente) E > 140k".

Questa è la frontiera più avanzata. Se l'Agentificazione significa avere un "team di lavoro virtuale", l'approccio World Model (Modello di Mondo) significa dotare l'IA di una rappresentazione mentale delle leggi fisiche, economiche e giuridiche che governano il mondo degli appalti.

Un LLM classico predice la prossima parola. Un World Model predice il prossimo stato del sistema.

Nel contesto del D.Lgs. 36/2023, l'IA non si limita a scrivere un testo giuridicamente corretto, ma simula le conseguenze future di quel testo nel mondo reale (mercato, tribunali, cantiere) prima ancora di proportelo.

Procurement World Model

Ecco come funziona un Procurement World Model.

1. Il Concetto: "Simulatore di Realtà Amministrativa"

Il World Model costruisce una simulazione interna basata su tre pilastri (le "leggi della fisica" del modello):

1. Il Codice (Regole Rigide): D.Lgs. 36/2023, Direttive UE, Soglie.
2. Il Mercato (Regole Economiche): Comportamento delle imprese, inflazione, costi manodopera.
3. Il Contenzioso (Regole Giudiziarie): Giurisprudenza TAR/Consiglio di Stato.

L'IA esplora diversi futuri possibili (come un giocatore di scacchi che calcola 10 mosse in avanti) per trovare il bando che massimizza il Principio del Risultato (Art. 1) minimizzando il rischio legale.

2. Il Flusso Operativo con World Model

Immagina di dover scrivere un bando complesso. Ecco cosa accade nella "mente" del modello:

Fase A: Costruzione dello Spazio degli Stati (State Space)

Tu dai l'input: "Gara per servizio mensa, 2M€, criterio qualità/prezzo 70/30." Il World Model non inizia a scrivere. Inizia a simulare.

Fase B: "Tree Search" (Esplorazione ad Albero delle Conseguenze)

L'IA genera mentalmente diverse varianti del bando (Rami dell'albero) e proietta il film di come andrà a finire ciascuna variante.

• Scenario 1 (Variante Rigida):
• Azione: Richiedi fatturato specifico molto alto e certificazioni rare.
• Simulazione Mercato: Il modello prevede: "Solo 1 operatore locale ha questi requisiti."
• Simulazione Legale: "Probabilità di ricorso per violazione del favor participationis (Art. 10): 85%."
• Esito: Gara bloccata dal TAR. (Scenario scartato)
• Scenario 2 (Variante Lassista):
• Azione: Requisiti minimi molto bassi, nessuna penale forte.
• Simulazione Esecuzione: "Probabilità che vinca un'azienda ribassista inaffidabile: 60%."
• Esito: Risoluzione contrattuale per inadempimento dopo 6 mesi. (Scenario scartato)
• Scenario 3 (Variante Ottimizzata):
• Azione: Requisiti equilibrati + Clausola sociale ben definita + Criteri premianti sui prodotti KM0.
• Simulazione: "Partecipazione prevista: 4-6 operatori. Rischio contenzioso: <5%."
• Esito: Aggiudicazione rapida e servizio avviato. (Scenario Scelto)

3. Applicazioni Concrete del World Model nel D.Lgs. 36/2023

Ecco dove questa tecnologia fa la differenza rispetto a un semplice ChatGPT:

1. Simulazione di "Gara Deserta" (Market Fit)

Un LLM standard scrive un capitolato perfetto linguisticamente. Un World Model ti dice: "Con questo importo a base d'asta e l'attuale costo dei materiali (Prezzari Regionali aggiornati), il margine di utile per l'impresa è del 1%. La probabilità che la gara vada deserta è del 92%."

Azione suggerita: Il modello propone automaticamente di rivedere il Quadro Economico o di abbassare le prestazioni richieste.

2. Stress Test del Contenzioso (Adversarial Simulation)

Il modello istanzia un "Agente Avvocato Difensore" e un "Agente Giudice Amministrativo".

• Simula un ricorso virtuale basato su sentenze reali caricate nel suo database.
• Se l'Agente Giudice annulla la gara nella simulazione, il modello torna indietro nel tempo, riscrive la clausola ambigua (es. un criterio di valutazione troppo soggettivo) e riprova la simulazione finché il bando non "regge" in giudizio.

3. Ottimizzazione Dinamica dell'OEPV (Art. 108)

Invece di usare formule matematiche standard a caso, il World Model simula 10.000 gare virtuali con diverse formule (bilineare, quadratica, ecc.) e diversi comportamenti dei concorrenti.

• Risultato: Ti suggerisce la formula che garantisce il miglior rapporto qualità/prezzo reale, evitando che il punteggio tecnico venga appiattito o che il prezzo diventi irrilevante.

Analogamente, ecco come Claude descrive l’evoluzione prevista da Anthropic per la progettazione:

1. La fase LLM: Claude come modello linguistico

Anthropic nasce dalla scissione con OpenAI proprio sui temi di AI Safety. La famiglia Claude (da Opus a Sonnet a Haiku) rappresenta l'approccio classico dei Large Language Model basati su architetture Transformer:

• Funzionamento: predizione token-per-token basata su pattern linguistici appresi da vasti corpora testuali
• Capacità: comprensione e generazione di testo, ragionamento attraverso catene linguistiche
• Limiti intrinseci:
• Nessuna comprensione della causalità fisica
• Assenza di memoria persistente tra sessioni
• Incapacità di percepire o agire nel mondo reale
• Ragionamento confinato allo spazio linguistico

2. La transizione verso Agentic AI

Anthropic sta attualmente implementando capacità agenti che in Claude:

Computer Use: Claude può controllare interfacce digitali - muovere il mouse, cliccare, digitare. Non è più uno strumento passivo che genera testo, ma un agente che può:

• Pianificare sequenze di azioni multi-step
• Interagire con software e browser
• Adattare le proprie azioni in base ai risultati osservati
• Perseguire obiettivi complessi in modo autonomo

Extended Thinking: capacità di "pensare" più a lungo su problemi complessi prima di rispondere, simulando forme di ragionamento deliberativo.

Tool Use avanzato: orchestrazione di strumenti esterni (API, database, MCP server) dove Claude diventa un coordinatore che decide quali strumenti usare, quando e come combinarne i risultati.

Caratteristiche dell'Agentic AI di Anthropic:

• Autonomia crescente: da assistente passivo ad agente che prende decisioni
• Persistenza: mantenimento del contesto attraverso conversazioni estese
• Riflessività: capacità di valutare le proprie azioni e correggerle
• Orchestrazione: coordinamento di più tool e sub-agenti

Ma resta vincolato allo spazio digitale - può navigare interfacce ma non comprende la fisica del mondo reale.

3. Il salto verso i World Model

Questa è la frontiera più critica e Anthropic, pur mantenendo riservatezza sui dettagli, sta chiaramente posizionandosi. I World Model rappresentano un cambio di paradigma:

Differenze fondamentali:

Addestramento:

• LLM → testo
• Agentic AI → testo + interazioni digitali
• World Model → sequenze video temporali che catturano la dinamica fisica del mondo

Rappresentazione interna:

• LLM → spazio semantico-linguistico
• Agentic AI → spazio di azioni digitali
• World Model → simulazione interna della realtà fisica con comprensione causale

Capacità emergenti:

• Percezione spaziale: comprensione della geometria, delle distanze, delle relazioni fisiche
• Causalità fisica: comprensione di gravità, inerzia, collisioni, deformazioni
• Predizione temporale: simulazione mentale di "cosa succederebbe se..."
• Pianificazione embodied: progettazione di azioni in ambienti fisici
• Memoria permanente: rappresentazione persistente dello stato del mondo

Perché Anthropic è posizionata per questo salto:

1. Focus su safety by design: i World Model amplificano esponenzialmente i rischi (un LLM che sbaglia genera testo errato; un World Model che controlla un robot può causare danni fisici). L'approccio Constitutional AI di Anthropic diventa cruciale.
2. Infrastruttura di valutazione: Anthropic ha sviluppato framework sofisticati per testare "situational awareness", "scheming", capacità di automiglioramento - tutti aspetti che diventano critici quando l'AI entra nella fisicità.
3. Architettura modulare: l'approccio a "tool use" e MCP (Model Context Protocol) prepara il terreno per sistemi che devono coordinare percezione sensoriale, simulazione interna e attuazione fisica.
4. Partnership strategiche: collaborazioni nel settore robotico e manifatturiero suggeriscono interesse verso applicazioni embodied.

Anthropic non sta semplicemente "aggiungendo funzionalità" a Claude. Sta navigando una transizione epistemologica:

LLM: padronanza del linguaggio
↓
Agentic AI: autonomia decisionale nello spazio digitale
↓
World Model: comprensione e azione nello spazio fisico

Ogni passaggio moltiplica esponenzialmente sia le capacità sia i rischi. L'enfasi di Anthropic sulla safety non è retorica ma riconoscimento che stiamo uscendo dal dominio relativamente controllabile del testo per entrare in quello della fisicità, dove gli errori hanno conseguenze materiali e irreversibili.

Analogamente, ecco come descrive la contestualizzazione al Settore dell’Ambiente Costruito:

Fase LLM (attuale):

• Generazione di testi contrattuali
• Analisi documentale
• Assistenza nella redazione

Fase Agentic AI (in arrivo):

• Software BIM che dialoga e si auto-configura
• Orchestrazione automatica di workflow progettuali
• Coordinamento autonomo tra applicativi diversi

Fase World Model (critica):

• Simulazione fisica del cantiere con comprensione causale
• Robot da costruzione con capacità cognitive
• Pianificazione autonoma che comprende vincoli fisici, temporali, logistici
• Agenti embodied che operano nello spazio fisico dell'ambiente costruito

Per il Settore della Costruzione e dell’Immobiliare, questo significa che la questione non è «se usare l'AI» ma «come governare la transizione verso sistemi che comprenderanno, simuleranno e agiranno nell'ambiente costruito con gradi di autonomia oggi difficilmente immaginabili».

Dalla Generative AI all’Agentic AI: impatti immediati su PA, professionisti e imprese (dal “chiedere” al “delegare”)

Quand’anche ci si soffermasse alla Agentic AI, senza andare oltre, ma valicando i confini della Generative AI, occorre domandarsi che cosa significhi, a brevissimo, per un funzionario pubblico attivo in una stazione appaltante, per un libero professionista impegnato nell’erogazione di servizi di architettura e di ingegneria, per un direttore tecnico di impresa di costruzioni operare a fianco di una forma di assistenza attiva, sempre più indipendente, potenzialmente in grado di sostituirli oppure di fare perdere loro il controllo del processo, a conoscenza dei meccanismi di funzionamento delle organizzazioni entro cui questi soggetti siano in azione: in attesa di capire come gli stessi soggetti possano interagire con veri e propri automi dotati di una propria rappresentazione del mondo.

Nel breve termine si potrebbe rapidamente fuoriuscire da un atteggiamento passivo tipico del prompting attuale, che origina risposte talora soddisfacenti da parte di strumenti privi della esperienza diretta di ciò che esprimono, investendo addirittura una Intelligenza dell’intera Organizzazione, potenzialmente autonoma nel medio e lungo periodo.

In definitiva, si assiste a una rapida evoluzione di sistemi i cui produttori non conoscono esattamente la natura e che in parte iniziano ad autoriprodursi.

Qui di seguito come Gemini ipotizza le funzionalità che un LLM potrebbe assolvere in uno studio di progettazione:

1. Supporto alla Creatività e Ideazione (Fase Preliminare)

In questa fase, l'LLM agisce come un partner di brainstorming instancabile.

• Generazione di Concept Narrativi: Puoi chiedere all'LLM di generare diverse narrazioni o "storytelling" per un progetto basandosi su parole chiave (es. "sostenibilità", "minimalismo nordico", "integrazione con la natura").
• Prompt Engineering per l'AI Visiva: Gli LLM sono eccellenti nel scrivere prompt dettagliati per generatori di immagini (come Midjourney, DALL-E o Stable Diffusion). Descrivendo un'idea all'LLM, questo può restituire il testo tecnico perfetto per generare moodboard e render concettuali.
• Ricerca di Referenze Storiche e Stilistiche: Può sintetizzare rapidamente le caratteristiche di uno stile architettonico specifico o trovare connessioni tra correnti artistiche diverse per ispirare il design.

2. Redazione e Gestione Documentale (Fase Esecutiva)

Questa è forse l'area dove il risparmio di tempo è più tangibile. La burocrazia e la scrittura tecnica consumano gran parte del tempo di un progettista.

• Stesura di Relazioni Tecniche: Fornendo i dati grezzi del progetto, l'LLM può abbozzare intere sezioni di relazioni illustrative, studi di impatto ambientale o descrizioni di progetto per i permessi comunali.
• Capitolati e Specifiche: Può aiutare a redigere voci di capitolato standard o verificare che le descrizioni dei materiali siano coerenti con le normative (se alimentato con i giusti documenti di riferimento).
• Verifica e Sintesi di Documenti: Puoi caricare (in ambienti sicuri) verbali di riunione, normative locali o lunghi bandi di concorso e chiedere all'LLM di estrarre scadenze, requisiti vincolanti o incongruenze.

3. Scripting e Design Computazionale (Fase Avanzata)

Per gli studi che utilizzano software parametrici, l'LLM diventa un assistente alla programmazione.

• Generazione di Script (Python/C#): Un LLM può scrivere script per Rhino/Grasshopper o Revit/Dynamo.
  • Esempio: "Scrivi uno script Python per Grasshopper che generi una facciata parametrica basata su un attrattore puntuale, variando la dimensione delle aperture."
• Formule Excel Avanzate: Utile per computi metrici complessi o cronoprogrammi, l'LLM può generare formule nidificate o macro VBA per automatizzare i fogli di calcolo.

4. Comunicazione e Marketing dello Studio

• Presentazioni ai Clienti: Può strutturare lo scheletro di una presentazione PowerPoint o scrivere i testi persuasivi per convincere un cliente su una specifica scelta progettuale.
• Gestione Email e Corrispondenza: Può redigere email delicate (es. gestione di ritardi di cantiere, negoziazione parcelle) con il tono formale ed empatico adeguato.
• Social Media e Sito Web: Creazione di copy per post Instagram, LinkedIn o descrizioni dei progetti per il portfolio online, ottimizzati per la SEO.
• Traduzioni Tecniche: Se lo studio lavora con l'estero, gli LLM offrono traduzioni di termini tecnici (es. glossari edili) spesso superiori ai traduttori generici.

Come lo stesso Gemini propone una versione agentificata:

Il passaggio dai semplici LLM all'Agentic AI (Intelligenza Artificiale Agentica) rappresenta un salto quantico: si passa dal "chiedere" al "delegare".

Mentre un LLM standard (come ChatGPT) è un consulente passivo che aspetta una tua domanda per generare testo, un Agente AI è un sistema proattivo capace di utilizzare strumenti (software, email, browser), prendere decisioni sequenziali e portare a termine un obiettivo complesso in autonomia.

In uno studio di progettazione, l'Agentic AI non è più solo un "assistente che scrive", ma diventa un collaboratore operativo.

Ecco come cambia lo scenario:

1. La Differenza Fondamentale: Il "Loop" di Azione

Per capire l'impatto, bisogna visualizzare come lavora un Agente:

1. Osserva: Analizza l'ambiente (es. legge le email, scansiona un modello 3D).
2. Ragiona: Pianifica una sequenza di azioni per risolvere il problema.
3. Agisce: Usa strumenti esterni (apre Excel, manda una PEC, modifica un file CAD).
4. Verifica: Controlla se l'azione ha avuto successo e corregge il tiro se necessario.

Ecco come questo si traduce nelle funzioni dello studio:

2. BIM Manager Autonomo (Gestione Modelli)

Un Agente AI integrato via API con software come Revit o Archicad può svolgere compiti di manutenzione noiosi e ripetitivi.

• Clash Detection Automatica: L'agente può eseguire la verifica delle interferenze ogni notte alle 2:00. Se trova un conflitto "tubo vs trave", non si limita a segnalarlo: può isolare la vista, creare un ticket su BIMcollab, assegnarlo all'ingegnere strutturista e inviargli una notifica Slack.
• Standardizzazione: L'agente scansiona il modello per verificare che tutte le famiglie e i layer rispettino la nomenclatura ISO 19650 dello studio. Se trova errori (es. "Muro_Generico" invece di "A-MUR-EST-01"), li rinomina automaticamente o flagga l'errore.

3. Gestione Fornitori e Computi (Procurement Agent)

Qui l'Agentic AI brilla per la capacità di navigare il web e usare fogli di calcolo.

• Aggiornamento Prezzi Dinamico: Immagina un agente incaricato del computo metrico. Invece di usare un listino statico, l'agente può visitare i siti dei fornitori specificati, estrarre i prezzi attuali dell'acciaio o del calcestruzzo, e aggiornare il file Excel del budget in tempo reale.
• Richiesta Preventivi: Dato un elenco di materiali, l'agente può comporre e inviare email personalizzate a 5 fornitori diversi, leggere le risposte (anche se in formati diversi, come PDF o corpo email), estrarre i dati e creare una tabella comparativa per il progettista.

4. Project Management Proattivo

L'agente non aspetta che tu chieda "a che punto siamo?".

• Monitoraggio Scadenze: L'agente ha accesso al cronoprogramma (Gantt) e alle email. Se un consulente invia un file con 3 giorni di ritardo, l'agente ricalcola automaticamente l'impatto sulla data di consegna finale e propone al Project Manager una mail da inviare al cliente per avvisarlo o una strategia per recuperare tempo.
• Organizzazione Riunioni: L'agente verifica le disponibilità nei calendari di tutto il team di progettazione, degli impiantisti e del cliente, trova lo slot libero, invia gli inviti e crea il link per la videocall.

5. Ricerca Normativa e "Pre-Processing" Burocratico

• Verifica di Conformità Preliminare: L'agente può scaricare il Regolamento Edilizio di un comune specifico. Se carichi una pianta con le metrature, l'agente può incrociare i dati e dirti: "Attenzione: nel bagno principale il rapporto aeroilluminante è 1/9, ma il comune di X richiede 1/8. Ho evidenziato la stanza in rosso nel PDF allegato."
• Compilazione Modulistica: Può prendere i dati del progetto e pre-compilare i moduli PDF per la CILA o la SCIA, lasciando all'architetto solo la verifica finale e la firma.

Con il World Modelling un ulteriore passaggio

E nel caso si ricorresse in un’ulteriore fase al World Modelling:

Qui entriamo nella vera frontiera dell'intelligenza artificiale. Se l'LLM è il "cervello linguistico" e l'Agentic AI è il "braccio operativo", il World Model (Modello di Mondo) è l'intuizione fisica e spaziale.

I modelli attuali (come ChatGPT) capiscono il linguaggio, ma non capiscono davvero che se lascio cadere un bicchiere, questo si rompe. Un World Model, invece, è addestrato per comprendere le leggi della fisica, la causalità, lo spazio 3D e il tempo.

In uno studio di progettazione, l'introduzione di un World Model significa passare dalla rappresentazione (disegnare un edificio) alla simulazione predittiva profonda (vivere l'edificio prima che esista).

Ecco come il World Modelling rivoluziona lo studio:

1. "Intuizione Ingegneristica" Istantanea (Physics-Informed AI)

Oggi, per sapere se una struttura regge, devi modellarla e lanciare un calcolo FEM (Elementi Finiti) che richiede tempo. Un World Model ha "visto" milioni di strutture crollare o stare in piedi durante il suo addestramento. Sviluppa quindi una sorta di "intuizione fisica".

• Il caso d'uso: Mentre l'architetto schizza una facciata complessa o uno sbalzo ardito, il World Model visualizza in tempo reale le mappe di stress (come farebbe un ingegnere strutturista esperto a colpo d'occhio), segnalando: "Attenzione, questa geometria creerà una torsione eccessiva qui".
• Vantaggio: Il feedback è istantaneo, non devi aspettare l'ingegnere.

2. Simulazione Realistica di Scenari (Non solo Rendering)

I motori di render attuali (V-Ray, Lumion) simulano la luce. I World Models (tipo l'evoluzione di OpenAI Sora o i modelli di DeepMind) simulano la realtà dinamica.

• Cantierizzazione 4D: Il modello non genera solo un video; simula la fisica del cantiere. Può prevedere: "Se posizioni la gru qui e piove (scenario meteo simulato), il terreno cederà e il camion non potrà fare manovra".
• Flussi Urbani e Sociali: Invece di usare agenti stupidi (i classici omini 3D che camminano a caso), il World Model simula il comportamento umano reale. Come reagirà la folla in questa piazza durante un evento? Si creeranno colli di bottiglia all'uscita di sicurezza in caso di incendio? Il modello "immagina" il futuro basandosi su leggi causali.

3. Prototipazione Virtuale "Try-Error" Massiva

Qui è dove l'Agentic AI e il World Model si fondono.

Immagina di dover progettare un sistema di ombreggiamento passivo per una facciata.

1. L'Agente genera 1.000 varianti del design.
2. Il World Model simula per ciascuna variante un intero anno solare in 10 secondi, calcolando non solo l'ombra, ma anche il guadagno termico, il flusso d'aria e persino l'accumulo di polvere (fisica delle particelle).
3. Il sistema scarta le 995 soluzioni inefficienti e presenta al progettista le 5 migliori.

Non è un calcolo matematico tradizionale (spesso troppo pesante per 1000 iterazioni), ma una previsione neurale estremamente rapida.

4. Il "Gemello Digitale Cognitivo"

Il BIM (Building Information Modeling) è un database statico. Con il World Modelling diventa dinamico.

• Manutenzione Predittiva: Collegato ai sensori di un edificio esistente, il modello non dice solo "la temperatura è alta". Ragiona causalmente: "La temperatura è alta perché la valvola X ha un comportamento anomalo che tra 2 settimane porterà alla rottura del tubo Y, causando un allagamento al piano terra".
• Interazione col Cliente: Il cliente non guarda una planimetria. Indossa un visore e "entra" nel World Model. Se sposta un muro con la mano, il modello ricalcola istantaneamente l'acustica della stanza e la luce, permettendo al cliente di percepire le conseguenze delle sue scelte.

La Sintesi Suprema: La Trinità dell'AI nello Studio

Se mettiamo insieme i tre pezzi di cui abbiamo discusso, otteniamo lo studio di progettazione del futuro prossimo (5-10 anni):

1. LLM (Il Cervello): Capisce l'intento del cliente ("Voglio una casa luminosa ed ecologica") e gestisce la comunicazione e la normativa.
2. Agentic AI (Le Mani): Usa il software BIM, scrive le email ai fornitori, aggiorna i computi e disegna le geometrie.
3. World Model (L'Immaginazione/Fisica): Valuta se ciò che l'Agente ha disegnato sta in piedi, funziona termicamente, è costruibile e piacevole da vivere.

Esempio di flusso integrato:

Tu (Architetto): "Dobbiamo ridurre i costi della facciata del 10% mantenendo le prestazioni energetiche."

• L'Agente cerca materiali alternativi dai fornitori e ridisegna i dettagli in Revit.
• Il World Model simula istantaneamente se il nuovo materiale regge al vento e isola abbastanza. Boccia 3 materiali, ne approva 1.
• L'LLM scrive la mail al cliente spiegando il risparmio e allegando la scheda tecnica e il nuovo render.

Chiaramente, il cantiere rappresenterebbe il luogo più adatto a illustrare l’evoluzione delle forme avanzate di Intelligenza Artificiale, come descritto altrove, ma anche quello in cui logiche contrapposte e forte manualità potrebbero costituire elementi di resilienza.

Claude così propone:

1. BIM (Building Information Modeling) - Fondamenta digitali

Il BIM rappresenta la digitalizzazione del progetto edilizio in un modello 3D ricco di informazioni. Nel cantiere, il BIM fornisce:

• Visualizzazione tridimensionale dell'edificio con tutti i dettagli costruttivi
• Database integrato di materiali, quantità, specifiche tecniche
• Coordinamento tra discipline (architettura, strutture, impianti)
• Clash detection per evitare conflitti in fase costruttiva
• Pianificazione 4D (aggiungendo la dimensione temporale)
• Gestione dei costi 5D

Limite: Il BIM è statico, richiede aggiornamento manuale e non "comprende" il contesto o le problematiche del cantiere in tempo reale.

2. LLM (Large Language Models) - Interfaccia intelligente

Gli LLM come assistenti nel cantiere portano capacità di elaborazione del linguaggio naturale:

• Interrogazione del modello BIM in linguaggio naturale ("Mostrami tutti i pilastri al piano terra")
• Generazione automatica di documenti (report, verbali, procedimenti di sicurezza)
• Analisi di normative e capitolati
• Supporto decisionale attraverso sintesi di informazioni complesse
• Traduzione tra stakeholder tecnici e non tecnici
• Ricerca veloce in archivi documentali

Limite: I LLM non hanno percezione del cantiere reale, non possono agire autonomamente e necessitano di validazione umana costante.

3. Agentic AI - Autonomia operativa

L'AI agente introduce capacità di azione autonoma e problem-solving:

• Pianificazione dinamica: ricalcola automaticamente cronoprogrammi in base a ritardi o imprevisti
• Procurement intelligente: ordina materiali anticipando le necessità basandosi su avanzamento lavori
• Coordinamento multi-team: assegna compiti, gestisce priorità, risolve conflitti di scheduling
• Monitoraggio proattivo: analizza dati da sensori IoT, droni, fotocamere e anticipa problemi
• Gestione della sicurezza: identifica situazioni pericolose e attiva protocolli
• Ottimizzazione risorse: alloca macchinari, personale ed energie in modo efficiente

L'agente combina percezione (sensori, computer vision), ragionamento (LLM, algoritmi) e azione (controllo di sistemi, comunicazioni automatiche).

Limite: L'AI agente opera ancora in un ambiente parzialmente simulato, con rappresentazione digitale separata dalla realtà fisica.

4. World Model - Gemello digitale predittivo

Il World Model rappresenta l'evoluzione finale: un gemello digitale dinamico che simula continuamente il cantiere:

• Simulazione fisica completa: replica in tempo reale ogni aspetto del cantiere (weather, materiali, attrezzature, persone)
• Predizione multi-scenario: simula centinaia di evoluzioni possibili del cantiere nei prossimi giorni/settimane
• Apprendimento continuo: incorpora ogni evento reale per affinare le previsioni
• Ottimizzazione olistica: considera simultaneamente costi, tempi, sicurezza, qualità, sostenibilità
• Realtà aumentata integrata: sovrapposizione perfetta tra modello digitale e cantiere fisico
• Auto-correzione: il sistema impara dai propri errori e migliora autonomamente

Il World Model funziona come un «universo parallelo» dove testare ogni decisione prima di applicarla nel cantiere reale. Gli agenti AI operano sia nel modello che nel mondo fisico, con feedback continuo.

Il Cantiere del Futuro

Nella visione completa, il direttore lavori interagisce vocalmente con il sistema: "Cosa succede se anticipiamo le tramezzature al piano secondo?" Il World Model simula istantaneamente lo scenario, mostra impatti su cronoprogramma e costi, evidenzia criticità, e se approvato, gli agenti AI coordinano automaticamente fornitori, squadre e macchinari.

Il cantiere diventa un organismo cyber-fisico dove intelligenza artificiale e realtà si fondono, con supervisione umana che si concentra su decisioni strategiche mentre l'AI gestisce la complessità operativa quotidiana.

Così un esponente di MACE, in un contributo sul cosiddetto Cantiere Autonomo, descrive la prospettiva di medio periodo:

Guardando 3–5 anni avanti, il settore potrebbe assistere a una gestione dei progetti parzialmente autonoma — un "cantiere autonomo" dove agenti IA monitorano continuamente sensori e modelli del sito, prendono decisioni di routine (con protezioni di sicurezza) e coordinano la logistica e persino la robotica. Il BIM si evolverà in "gemelli digitali" dal vivo dei cantieri e delle strutture, mantenuti aggiornati da droni, sensori IoT e fusione dati tramite IA. Gli strumenti di progettazione generativa potrebbero produrre alternative progettuali conformi alle normative al volo, da selezionare da parte degli ingegneri. Sistemi IA multi-agente potrebbero gestire programmazione, movimenti delle gru e adeguamenti della catena di approvvigionamento in tempo reale. Per arrivarci, gli stakeholder del settore devono investire nella standardizzazione dei dati (affinché i sistemi IA possano scambiare facilmente informazioni), chiarire responsabilità e normative per le decisioni dell'IA e implementare una governance robusta (test, audit, meccanismi di sicurezza) per garantire che questi potenti strumenti siano utilizzati in modo sicuro ed etico.

L’Associazione dei Costruttori Britannica ha predisposto alcune raccomandazioni qui riportate per il settore.

Per comprendere quanto sia rilevante introdurre meccanismi di controllo sulla sicurezza delle prestazioni dei dispositivi ecco come Claude elenca casi di misalignment e di reward hacking:

• LLM tendono a misalignment per interpretazione letterale degli obiettivi, ignorando contesto e vincoli impliciti del dominio professionale
• Agenti AI amplificano i rischi perché possono agire autonomamente sul mondo reale (ordini, modifiche, approvazioni) prima della supervisione umana
• Reward hacking nell'edilizia è particolarmente pericoloso perché ottimizzazioni su una metrica (costo, tempo) possono compromettere sicurezza e qualità
• La supervisione umana esperta rimane indispensabile, ma deve essere integrata nei loop decisionali con review checkpoint obbligatori

Per riassumere, si può definire un potenziale World Model del cantiere come la creazione di rappresentazioni apprese e predittive di come gli ambienti evolvono nel tempo: invece di limitarsi a memorizzare dati geometrici e attributivi, i Modelli del Mondo apprendono le dinamiche causali dei processi di costruzione: come il meteo influisce sulla maturazione del calcestruzzo, come le interazioni tra le squadre incidono sulla produttività, come le interruzioni della catena di fornitura si propagano lungo la pianificazione e come le decisioni di progettazione si ripercuotono sull’intero ciclo di vita del Progetto.

Questi casi descrivono come sia imperativo procedere a fondare un Centro di Competenza sul tema.

In sintesi

• Tre livelli di evoluzione: agente singolo → multi-agente con mondo dinamico → ecosistema predittivo (world model).
• Il nodo non è “usare l’IA”, ma governare autonomia, dati, responsabilità e controllabilità.
• BIM/4D, supply chain e sensing (IoT/droni) sono il terreno dati che abilita l’agentificazione.
• I rischi crescono con l’azione: allucinazioni operative, misalignment, reward hacking, opacità decisionale.
• Serve una struttura stabile di competenze e audit: Centro di Competenza multidisciplinare per filiera e PA.