Il 24 settembre a Milano torna il One Team User Meeting, giunto alla 20ª edizione. L’evento riunirà i professionisti AEC e Manufacturing per approfondire, attraverso testimonianze e casi concreti, AI, BIM, Digital Twin, interoperabilità e tecnologie che stanno trasformando progettazione, gestione degli asset e produzione.
Le norme tecniche dovrebbero dimostrare non solo che un metodo funziona, ma quanto il risultato cambia al variare di operatori, materiali, geometrie, strumenti e condizioni al contorno. Senza un’analisi di sensibilità, una prescrizione formalmente precisa può poggiare su un metodo sostanzialmente fragile.
NVIDIA individua tre pilastri per portare l’AI dalla sperimentazione alla produzione: persone, processi e infrastruttura. Una trasformazione organizzativa che ricorda da vicino il percorso già vissuto con il BIM.
Un robot umanoide cinese ha corso i 100 metri in 9,39 secondi, battendo il record di Usain Bolt. Ma il vero salto tecnologico avviene altrove: persone pagate per insegnare alle macchine i propri gesti, robot impiegati nei conflitti e un’Intelligenza Artificiale che abbandona lo schermo. L’infosfera sta acquisendo un corpo. Siamo davvero pronti a conviverci nel mondo reale?
L’Intelligenza Artificiale può scrivere un testo, ma questo non basta a renderla autrice. Quando l’AI viene usata per cercare fonti, verificare dati, discutere ipotesi e riscrivere, resta decisivo ciò che l’uomo introduce nel processo: esperienza, domanda, giudizio e responsabilità.
Il mix design del calcestruzzo sta diventando un problema multi-obiettivo: resistenza, lavorabilità, durabilità, costo e impatto ambientale devono essere governati insieme. L’AI può riconoscere relazioni non lineari e ridurre le combinazioni da verificare, ma affidabilità e trasferibilità dipendono prima di tutto dalla qualità dei dati.
Spazio e limite non sono concetti astratti: determinano città, confini, infrastrutture e potere. La lettura di Kaos di Massimo Cacciari mostra come l’Occidente produca continuamente nuovi spazi superando i propri limiti, fino alla Tecnica e oggi all’Intelligenza Artificiale.
Nell’aprile 2025 MIT Technology Review avvertiva che gli attacchi informatici condotti da agenti AI stavano arrivando. Oggi quello scenario è meno teorico: aziende, ricercatori e organismi internazionali documentano sistemi capaci di individuare vulnerabilità, concatenare azioni e automatizzare parti crescenti di un attacco. La cybersecurity entra così nell’era in cui anche l’aggressore può diventare software autonomo e scalabile.
La Commissione europea ha aperto la selezione per la realizzazione di fino a sette AI Gigafactories, grandi infrastrutture di calcolo destinate allo sviluppo dei modelli di intelligenza artificiale più avanzati. Il programma può mobilitare circa 30 miliardi di euro tra risorse pubbliche e capitali privati e avrà ricadute rilevanti anche su progettazione, energia, impianti e costruzione di data center.
Il rapporto preliminare del NTSB conferma che, prima dell’incidente mortale avvenuto in Texas, il conducente di una Tesla Model 3 aveva attivato l’FSD Supervised e aveva poi premuto l’acceleratore al 100%, prevalendo sul controllo automatico della velocità. Il dato ridimensiona l’ipotesi di un’accelerazione completamente autonoma, ma non chiude l’indagine. Restano da chiarire il comportamento delle funzioni di sicurezza, il monitoraggio del conducente e il rapporto tra comando umano e automazione.
La fotogrammetria sta vivendo un profondo cambio di paradigma. Le reti neurali profonde e l'intelligenza artificiale stanno progressivamente affiancando i metodi tradizionali basati su pixel, orientamento delle immagini e Structure from Motion, introducendo modelli che rappresentano direttamente lo spazio tridimensionale attraverso i voxel e le Occupancy Networks.
L’intelligenza artificiale non è solo uno strumento più potente per calcolare: è un dispositivo che trasforma dati in modelli, modelli in indicazioni operative e indicazioni operative in decisioni. Per questo, nel settore delle costruzioni, l’AI non può sostituire il progetto né la responsabilità professionale. I dati non decidono da soli: vanno scelti, interpretati e governati. La sfida per ingegneri e architetti è quindi non subire l’AI, ma usarla criticamente, mantenendo controllo umano, trasparenza e responsabilità sulle scelte che incidono su edifici, infrastrutture, città e persone.
La corsa all’intelligenza artificiale sta trasformando i data center in nuove infrastrutture energetiche critiche: non più semplici edifici tecnologici, ma carichi elettrici da governare. La proposta emergente è renderli flessibili, capaci di ridurre temporaneamente i consumi quando la rete è sotto stress, accelerando connessioni, riducendo costi e aprendo una nuova fase della progettazione digitale, davvero sistemica per città e reti.
L'intelligenza artificiale sta emergendo come uno dei principali fattori di trasformazione del settore AEC. Più che automatizzare attività esistenti, l'AI sta modificando il modo in cui dati, processi e competenze interagiscono nella progettazione, costruzione e gestione delle opere.
L'automazione degli impianti di calcestruzzo è essenziale per controllare la variabilità introdotta da aggregati riciclati e acque di recupero. Sensori, algoritmi di compensazione e strumenti di intelligenza artificiale consentono oggi di governare il processo produttivo in tempo reale, garantendo qualità e conformità del prodotto finale.
L’Intelligenza Artificiale non pone solo un problema d’uso, ma di visione dell’umano. Se il limite diventa un errore da correggere e la vulnerabilità un difetto tecnico, la fraternità diventa il criterio decisivo per capire se l’infosfera resta abitabile dalla persona.
Democrazia e intelligenza artificiale pongono oggi la stessa domanda che attraversò Atene: chi può governare ciò che riguarda tutti? Se dati, algoritmi e piattaforme concentrano nuovo potere, il demos rischia di diventare utente senza controllo sui processi che orientano conoscenza e decisioni.
Il Test di Turing non dimostra che una macchina pensi: dimostra che può comportarsi, nel dialogo, in modo tale da farci credere che pensi. Per questo oggi, nell’epoca dell’intelligenza artificiale generativa, è necessario distinguere tra linguaggio convincente, comprensione reale, affidabilità tecnica e responsabilità professionale. La “tautologia del Test di Turing”, proposta da Frederic V. Hartemann, ci ricorda che chiamare intelligente ciò che appare intelligente può diventare un errore concettuale e operativo.
Con la Magnifica Humanitas, Leone XIV non benedice né scomunica l’intelligenza artificiale: le toglie il trucco. Dice che stiamo entrando in un orizzonte che possiamo intuire ma non prevedere fino in fondo, e lì dentro la domanda non è più se l’AI sia buona o cattiva. La domanda è più sporca: chi tiene il volante quando la macchina vede prima di noi, ma non sa perché una vita valga più di un grafico?
Il 38% delle medie e grandi imprese italiane ha già implementato soluzioni di AI per l'energy management, secondo lo studio FIRE 2025. L'intelligenza artificiale ottimizza consumi e impianti, ma i data center che la alimentano rappresentano una crescente voce di domanda energetica da non sottovalutare.
L’intelligenza artificiale non pone solo un problema tecnico: ridefinisce la responsabilità dentro l’infosfera. Il nodo non è stabilire se l’AI sia buona o cattiva, ma capire come progettare sistemi informativi in cui dati, algoritmi, istituzioni e persone condividono effetti morali reali.
AI e lavoro non vanno letti solo come rischio di sostituzione occupazionale. La tesi di Daron Acemoglu invita a osservare tre nodi concreti: agenti AI, indipendenza della ricerca economica prodotta dalle Big Tech e applicazioni realmente usabili nei processi produttivi.
Il malessere dell’AI nasce dalla distanza tra diffusione tecnologica e capacità di misura. L’intelligenza artificiale è già dentro lavoro, energia, informazione e progettazione, ma mancano indicatori condivisi per valutarne impatti, rischi e responsabilità. Per le professioni tecniche la sfida non è usarla, ma governarla con metodo.
L’intelligenza artificiale promette di trasformare economia, lavoro e società, ma tra la costruzione dei modelli e i benefici annunciati resta un passaggio oscuro: come integrarli davvero nei processi reali. Will Douglas Heaven, su MIT Technology Review, usa la metafora degli “underpants gnomes” per smontare l’hype e chiedere più evidenze, trasparenza e valutazioni sul campo.