Una norma tecnica affidabile non dovrebbe limitarsi a descrivere un metodo di prova o di calcolo, ma documentarne robustezza, ripetibilità, riproducibilità e sensibilità alle variabili reali. Partendo dal concetto matematico di Jacobiano, dal caso UNI 10827:2012 e dalle prove di compressione del calcestruzzo, l’articolo propone di introdurre verification, validation and sensitivity analysis prima della normazione. Nell’era dell’AI il tema diventa ancora più critico: un sistema generativo può infatti trasformare una prescrizione fragile in una risposta apparentemente certa. INGENIO propone così un criterio tecnico per ripensare la qualità della normazione.

---

Norme tecniche e sensibilità: nell’era dell’AI non basta prescrivere, bisogna dimostrare la robustezza

Negli ultimi mesi ho affrontato più volte il tema della qualità della normazione tecnica.

In un primo articolo - Intelligenza Artificiale e norme tecniche: dalla prescrizione alla prova, come cambiare la normazione - mi sono infatti chiesto come dovrebbe cambiare la costruzione delle norme nell’epoca dell’intelligenza artificiale, sostenendo la necessità di passare progressivamente da una logica prevalentemente prescrittiva a una logica più fortemente fondata sulla prova e sulla validazione.

In un secondo approfondimento - La valutazione in ingegneria: quando avere ragione non significa sapere - dedicato alla valutazione ingegneristica, ho affrontato una questione ancora più radicale: ottenere una conclusione corretta non significa necessariamente possedere una conoscenza affidabile. Una diagnosi, una verifica o una misura diventano tecnicamente solide quando siamo in grado di ricostruire il nesso tra dati, ipotesi, metodo e risultato.

Il terzo passaggio, con l'articolo - Quando una norma tecnica non è più affidabile deve essere ritirata: il caso della UNI 10827:2012 è stato molto concreto. Il caso della UNI 10827:2012, relativa a un metodo di prova per i massetti destinati alla posa di parquet e pavimenti in legno, ha mostrato che una norma può rimanere formalmente valida anche quando una ricerca sperimentale mette seriamente in discussione l’affidabilità del metodo che contiene. Oltre 500 prove condotte dal Prof. Angelo Lucchini del Politecnico di Milano hanno evidenziato criticità nella procedura e nella confrontabilità dei risultati; sulla base di queste evidenze CONPAVIPER ha chiesto formalmente a UNI il ritiro della norma.

Da questi tre passaggi emerge, a mio avviso, una quarta domanda che dovrebbe entrare con maggiore forza nella cultura normativa: quanto è sensibile il metodo che stiamo per trasformare in regola tecnica?

Il concetto di Jacobiano spiegato alla normazione

L’idea viene dalla matematica, ma è profondamente ingegneristica.

Quando osserviamo un sistema complesso, non ci interessa soltanto conoscere il valore finale di una grandezza. Vogliamo sapere anche quanto quel valore cambia quando modifichiamo una delle condizioni che lo determinano. Se aumento leggermente un carico, quanto cambia lo spostamento? Se modifico la rigidezza di un vincolo, quanto cambia la distribuzione delle sollecitazioni? Se cambia l’umidità di un campione o la velocità di prova, quanto cambia il valore misurato?

In matematica, quando le variabili sono molte, queste sensibilità possono essere raccolte in una struttura chiamata Jacobiano, dal nome di Carl Gustav Jacob Jacobi. Senza entrare nelle formule, possiamo immaginarlo come una mappa che indica quali variabili influenzano maggiormente la risposta del sistema e con quale intensità.

È un concetto estremamente potente per la normazione.

Non sto proponendo naturalmente di inserire il calcolo dello Jacobiano all’interno di ogni norma tecnica. Il punto è culturale: la norma dovrebbe essere costruita conoscendo la propria sensibilità.

Dovrebbe sapere quali variabili sono dominanti, quali secondarie e quali variazioni possono essere tollerate senza modificare significativamente la conclusione tecnica.

Una procedura può essere precisa nella forma e fragile nella sostanza

Immaginiamo un metodo di prova descritto con grande precisione: dimensione del campione, strumento da utilizzare, modalità di caricamento, tempi, tolleranze. La procedura può essere formalmente impeccabile.

Ma supponiamo che una minima variazione della posizione del punto di applicazione del carico produca differenze molto elevate nei risultati. Oppure che due operatori, entrambi competenti e rispettosi della procedura, ottengano valori molto differenti. O ancora che una piccola variazione geometrica del campione, compatibile con le tolleranze previste, cambi sensibilmente la classificazione finale.

Il problema non è più come è scritta la norma.

Il problema è che il metodo è sensibile a variabili che non controlla adeguatamente.

Ed è proprio ciò che rende particolarmente importante il caso della UNI 10827:2012. La ricerca del Politecnico di Milano non si è limitata a chiedersi se il metodo restituisse numeri. Ha cercato di capire da che cosa dipendessero quei numeri, variando configurazioni e condizioni e valutandone la dispersione. Le criticità riscontrate hanno portato alla conclusione che il metodo non consentisse una corretta valutazione della prestazione e un confronto sufficientemente affidabile tra i risultati.

Quando accade questo, la norma non deve essere difesa perché esiste. Deve essere riesaminata e, se necessario, ritirata. Ritirare una norma dimostratasi inadeguata non indebolisce la normazione: ne protegge l’autorevolezza.

---

Normazione, e non solo: il vero obiettivo non è ridurre la variabilità, ma comprenderla

Ripetibilità e riproducibilità restano naturalmente fondamentali. Ma da sole non bastano.

Supponiamo che una prova mostri una dispersione elevata. La domanda successiva dovrebbe essere: perché?

Dipende dal materiale? Dall’operatore? Dalla macchina di prova? Dalla geometria? Dalla preparazione del campione? Dalle condizioni ambientali?

L’analisi di sensibilità serve proprio a scomporre il problema. Non tutte le variabili hanno lo stesso peso. Una procedura può essere quasi insensibile alla temperatura e fortemente sensibile alla velocità di caricamento. Un’altra può essere stabile rispetto alla strumentazione ma dipendere in modo significativo dall’operatore.

Questa conoscenza dovrebbe precedere la pubblicazione della norma, perché consente anche di scriverla meglio: le variabili critiche richiedono prescrizioni più rigorose, mentre quelle scarsamente influenti possono essere gestite con tolleranze più ampie.

La robustezza non consiste quindi nell’eliminare la variabilità del mondo reale. Consiste nel sapere come il metodo reagisce a quella variabilità.

Lo stesso problema esiste nelle norme di calcolo

Il tema non riguarda soltanto i metodi sperimentali.

Ogni modello strutturale dipende da ipotesi: condizioni di vincolo, rigidezze, geometrie, imperfezioni, proprietà dei materiali, discretizzazione, modelli costitutivi. Alcune influenzano poco il risultato; altre possono governarlo.

Pensiamo a una verifica di instabilità. Una piccola variazione dell’imperfezione geometrica iniziale può modificare significativamente la capacità resistente. In un problema di interazione terreno-struttura, la risposta può dipendere in misura rilevante dalla rigidezza attribuita al terreno. In un’analisi non lineare, la scelta del modello costitutivo può modificare la distribuzione delle deformazioni e la capacità ultima.

Una norma di calcolo evoluta dovrebbe quindi indicare non soltanto che cosa assumere, ma anche quali assunzioni richiedono particolare attenzione perché il risultato è sensibile a esse.

Questo è particolarmente importante quando il progettista utilizza software molto sofisticati. La potenza di calcolo consente oggi di ottenere risultati numericamente molto precisi, ma la precisione numerica non coincide necessariamente con la qualità del modello.

Un risultato con molte cifre decimali può essere perfettamente calcolato e contemporaneamente dipendere in modo critico da un’ipotesi scarsamente fondata.

---

Qui ritorna il problema: avere ragione non significa sapere

È lo stesso nodo epistemologico che avevo affrontato parlando della valutazione ingegneristica.

Si può arrivare alla conclusione corretta per una combinazione fortunata di ipotesi, compensazioni di errori o condizioni non comprese. Ma l’ingegneria richiede qualcosa di più: occorre possedere una catena conoscitiva sufficientemente robusta tra osservazione, misura, modello e decisione.

Questo vale per il singolo professionista, ma dovrebbe valere ancora di più per una norma.

Una procedura tecnica acquista un’autorità molto superiore a quella di una normale pubblicazione scientifica. Entra nei capitolati, nei contratti, nei controlli di accettazione, nelle consulenze tecniche, nei collaudi e, talvolta, nelle controversie giudiziarie.

Per questo la sua base sperimentale dovrebbe essere particolarmente solida.

Nell’era dell’AI il rischio aumenta: la doppia scatola nera

L’intelligenza artificiale rende questo tema ancora più urgente.

I grandi modelli linguistici sono spesso descritti come black box: sistemi capaci di produrre risposte molto sofisticate senza rendere completamente trasparente il processo interno che le genera. Non a caso una parte importante della ricerca sull’AI riguarda oggi l’interpretabilità e proprio strumenti basati sul concetto di sensibilità, come la recente Jacobian lens, cercano di comprendere quali rappresentazioni interne influenzino maggiormente le risposte del modello.

Ma immaginiamo che un sistema AI venga utilizzato per interrogare una norma il cui metodo non sia stato sufficientemente validato.

L’AI può leggere perfettamente la prescrizione, sintetizzarla e restituire una risposta linguisticamente impeccabile. Può persino applicare correttamente il valore limite indicato. E tuttavia potrebbe non sapere — perché la norma stessa non lo dichiara — che quel risultato è fortemente sensibile all’operatore, alla geometria del provino o a una particolare condizione al contorno.

Si crea così una situazione paradossale: una scatola nera algoritmica che interroga una scatola nera normativa.

A monte non conosciamo abbastanza bene la sensibilità del metodo; a valle un sistema AI restituisce quel metodo con una forma ancora più autorevole, sintetica e apparentemente certa.

Il rischio non è soltanto l’errore. È la certezza artificiale applicata a un metodo fragile.

---

Una fase sperimentale robusta prima della norma

Credo quindi che i nuovi metodi di prova e i modelli di calcolo più delicati dovrebbero arrivare alla normazione dopo una vera fase di verification, validation e sensitivity analysis, progettata in modo indipendente e sufficientemente ampia.

Non basta mostrare che il metodo funziona in alcuni casi favorevoli.

Occorre metterlo sotto stress. Cambiare operatori. Coinvolgere laboratori diversi. Variare geometrie e materiali. Esplorare le tolleranze. Modificare le condizioni ambientali quando pertinenti. Nei modelli numerici, modificare le ipotesi maggiormente influenti e verificare se la conclusione resta sostanzialmente stabile.

Il metodo deve dimostrare non solo di avere un punto di funzionamento, ma di possedere un campo di validità conosciuto.

È questa, probabilmente, la traduzione normativa più utile del concetto di Jacobiano: sapere come cambia il risultato quando cambia il mondo intorno al metodo.

👉 La qualità di una norma non dipende soltanto dalla correttezza della procedura nominale, ma dalla conoscenza della sua sensibilità alle perturbazioni realistiche.

Il consenso non sostituisce la prova

La normazione nasce giustamente dal consenso. Ma occorre distinguere i piani.

Una commissione può decidere quale problema normare, quale terminologia utilizzare, quale prestazione richiedere e quale campo applicativo sia rilevante.

Non può però decidere per consenso che un metodo sia ripetibile, che una determinata variabile non influenzi il risultato o che un modello sia robusto.

Queste non sono proprietà negoziabili. Devono essere dimostrate.

Il caso della UNI 10827:2012 è importante proprio perché ricorda che una norma resta sempre una costruzione tecnica sottoposta alla verifica della realtà. Quando evidenze sperimentali sufficientemente robuste mostrano che un metodo non misura con adeguata affidabilità ciò che dovrebbe misurare, correggerlo o ritirarlo significa applicare il metodo scientifico alla normazione stessa.

Una norma dovrebbe dichiarare anche i propri limiti

Forse il passo successivo dovrebbe essere proprio questo.

Accanto alle prescrizioni, una norma dovrebbe rendere più esplicite le informazioni sulla propria validazione: quali prove sono state svolte, quali variabili sono state analizzate, quali condizioni ne limitano l’applicabilità, quale livello di dispersione è stato osservato e quali parametri hanno maggiore influenza sul risultato.

Non si tratta di trasformare la norma in un paper scientifico. Si tratta di darle una tracciabilità epistemica.

Nell’era dell’intelligenza artificiale questa informazione sarà fondamentale anche perché consentirà ai sistemi digitali di distinguere meglio tra ciò che è una prescrizione e ciò che rappresenta invece un limite, una condizione o un’incertezza.

Una norma tecnica non dovrebbe quindi limitarsi a dire “fai così”.

Dovrebbe essere in grado di spiegare anche “sappiamo che questo metodo funziona entro queste condizioni, sappiamo quali variabili lo influenzano e sappiamo dove smette di essere affidabile”.

È un salto culturale importante, ma profondamente coerente con l’ingegneria.

Perché progettare, misurare e normare non significa eliminare l’incertezza. Significa conoscerla abbastanza bene da poter decidere responsabilmente.

E forse oggi la qualità di una norma dovrebbe essere valutata anche in questo modo: non soltanto dalla precisione con cui descrive la condizione ideale, ma dalla sua capacità di restare affidabile quando incontra la variabilità inevitabile del mondo reale.

---

FAQ TECNICHE: Norme tecniche e analisi di sensibilità: perché validare i metodi

1. Che cosa significa analizzare la sensibilità di un metodo normativo?
Significa valutare quanto il risultato ottenuto mediante un metodo di prova o di calcolo cambi quando variano le grandezze che lo influenzano.
Operatori, strumenti, geometrie, proprietà dei materiali e condizioni ambientali possono avere pesi molto differenti.
L’obiettivo è individuare le variabili dominanti e conoscere il campo entro il quale il metodo mantiene risultati affidabili.

2. In quali ambiti della normazione è importante l’analisi di sensibilità?
È rilevante sia per i metodi sperimentali sia per i modelli di calcolo.
Nelle prove può riguardare preparazione del campione, macchina, operatore, temperatura o velocità di applicazione del carico.
Nel calcolo strutturale può riguardare vincoli, rigidezze, imperfezioni, modelli costitutivi, discretizzazione e condizioni al contorno.

3. Quali norme trattano ripetibilità e riproducibilità dei metodi di misura?
Un riferimento metodologico fondamentale è la UNI ISO 5725-2:2020, dedicata alla determinazione della ripetibilità e della riproducibilità di un metodo di misurazione normalizzato attraverso sperimentazioni collaborative interlaboratorio. 
L’analisi di sensibilità proposta nell’articolo amplia ulteriormente la domanda: non solo quanto disperdono i risultati, ma da quali variabili dipende quella dispersione.

4. Qual è il vantaggio di conoscere la sensibilità prima di pubblicare una norma?
Consente di calibrare prescrizioni e tolleranze sulle variabili realmente influenti.
Una grandezza poco significativa può essere regolata con margini più ampi; una variabile dominante richiede invece controllo più stringente.
Si evita così di produrre procedure formalmente dettagliate ma incapaci di garantire risultati tecnicamente confrontabili.

5. Come dovrebbe essere validato un nuovo metodo di prova?
L’articolo propone una fase strutturata di verification, validation and sensitivity analysis.
Dovrebbero essere variati operatori, laboratori, materiali, geometrie, apparecchiature e condizioni ambientali pertinenti, verificando come cambia il risultato.
La sperimentazione interlaboratorio prevista dalla UNI ISO 5725-2 costituisce un riferimento metodologico particolarmente pertinente.

6. Come si controlla nel tempo l’affidabilità di un metodo normato?
La validazione non dovrebbe essere considerata conclusa con la pubblicazione della norma.
Evidenze sperimentali successive, confronti interlaboratorio, risultati anomali e difficoltà applicative dovrebbero alimentare il riesame periodico del metodo.
Quando emergono criticità sistematiche, occorre verificare se siano necessarie revisione, modifica o ritiro della norma.

7. Qual è l’errore principale da evitare nella normazione tecnica?
Confondere il consenso normativo con la dimostrazione scientifica dell’affidabilità di un metodo.
Una commissione può raggiungere il consenso sulle prescrizioni, ma ripetibilità, riproducibilità e robustezza devono essere dimostrate sperimentalmente.
L’errore diventa ancora più critico quando prescrizioni non sufficientemente validate vengono elaborate e restituite come certe da sistemi di intelligenza artificiale.