Verso un BIM conversazionale, agentico, cognitivo

l’evoluzione dell’Intelligenza Artificiale applicata a costruzioni e immobiliare, dal ruolo assistenziale dei Large Language Model fino alle prospettive dell’IA agentica e dei World Model. Il focus è sull’integrazione con i Modelli Informativi, sull’uso di protocolli interoperabili, RAG e orchestre di agenti per interrogazione, verifica e simulazione. Vengono evidenziati benefici, limiti attuali e rischi sistemici, chiarendo perché oggi l’IA supporti soprattutto funzioni di controllo e governance più che di ideazione progettuale.

IA agentica e World Modelling per il BIM: simulazione e controllo nel progetto

Da un punto di vista della prospettiva, anche per il settore della costruzione e dell’immobiliare, l’Intelligenza Artificiale appare tesa verso ciò che è definito come IA Fisica, ovvero come World Modelling, passando per la IA Agentica: dalla risposta passiva a una domanda si giunge alla definizione degli obiettivi e alla predizione dei comportamenti.

Il che è certamente significativo laddove tutto è nato dai Modelli Linguistici di Grandi Dimensioni, i Large Language Model, vale a dire nel confine del linguaggio, al netto delle estensioni ai Modelli Multi Modali.

Si tratta, infatti, di considerare come i Modelli di Mondo, al contrario, si basino sulla rappresentazione tridimensionale, nel senso, tuttavia, di interpretare la causalità fisica in luogo di una visualizzazione statica o sottoposta a regole o a vincoli deterministici.

Di conseguenza, l’esito di una progettazione basata sui Modelli di Mondo risulterebbe, in un futuro, come una simulazione dinamica in grado di prevedere le conseguenze di una scelta ideativa lungo il corso della vita utile di servizio di un edificio, di una infrastruttura oppure di una rete.

Non a caso, si inizia ad adombrare la possibilità di coniugare i Modelli Informativi con World Model come quelli ottenibili con Genie di Google oppure tramite Marble di World Labs.

Ciò causerebbe una profonda discontinuità di natura epistemologica relativa alla natura della professione tecnica, introducendo orchestratori di vincoli, relazioni, comportamenti, politiche decisionali.

Restando, tuttavia, all’immediato, la ricerca prototipale dell’accademia e dell’industria è focalizzata, da un lato, sulla proposizione di architetture modulari e di soluzioni che funzionino indipendentemente dallo specifico software in relazione al Model Context Protocol (MCP), così da istituire una relazione conversazionale tra Modelli Linguistici e Modelli Multi Modali e annullare l’ostacolo costituito da una interfaccia proprietaria e da evitare allucinazioni e disallineamenti.

Da un altro canto, si propongono framework operativi che integrano RAG (Retrieval Augmented Generation) per il grounding (fonti esterne a partire da quelle legislative e normative), Agenti e MCP in riferimento a dispositivi commerciali specifici e proprietari, ma nell’ottica di una interoperabilità.

I contenitori informativi strutturati secondo modelli di dati come lo schema IFC possono, dunque, essere caricati, scaricati e versionati, allo scopo di creare, modificare o cancellare elementi o entità informative grazie ad API.

I Modelli Informativi possono, pertanto, essere indagati conversazionalmente attraverso query spaziali e semantiche.

Parimenti, a partire da suggerimenti visivi (come schizzi o immagini) oppure verbali, è possibile generare Modelli Informativi.

Queste soluzioni cominciano altresì a utilizzare Orchestre di Agenti Artificiali specializzati.

Il che può comportate riduzione del tempo di Modellazione Informativa, accuratezza dei Modelli stessi, conformità legislativa e normativa, contestualizzazione geografica.

Ovviamente, la possibilità per un utente non esperto di Modellazione Informativa avrebbe accesso al tema, con la conseguente democratizzazione.

È, tuttavia, palese che emergano difficoltà da parte dei Modelli Linguistici di Grandi Dimensioni nel ragionamento spaziale, nella creazione di famiglie parametriche complesse, nella elevata latenza.

Queste considerazioni conducono a ritenere che per i progettisti divenga rilevante la possibilità di formalizzare semanticamente il proprio pensiero in termini di relazione, di vincoli e di gerarchia.

La qual cosa fa sì che attualmente, anche nella modalità agentica primordiale, le soluzioni proposte non vadano oltre una funzione assistenziale, non ideativa, orientata peculiarmente alla verifica.

Certamente uno degli obiettivi sta nell’interpretare la Modellazione Informativa grazie ai Knowledge Graph (KG): ad esempio, per mantenere relazioni tra le entità informative.

Di fatto, una delle funzionalità oggi assolvibili dalla interazione tra Modellazione Linguistica, tramite strumenti appositamente addestrati, e Modellazione Informativa consiste nella interrogazione dei Modelli Informativi come basi di dati, anzitutto, al fine di accertare la conformità ai requisiti precedentemente determinati.

Tra l’altro, molti studi sottolineano come il Modello Linguistico debba attivare correttamente un motore geometrico, anziché creare geometrie.

Evidentemente, ritorna il tema della spiegabilità degli esiti forniti e dalla relativa assunzione di responsabilità.

Vi sono anche tentativi di generare ipotesi progettuali a partire non solo dalle soluzioni elaborate in precedenza, ma pure dalle logiche perseguite.

Resta che l’interazione migliori per ora il livello cognitivo che renda un Modello Informativo interrogabile, governabile e orchestrabile.

Da uno scenario che si dimostra ancora assai embrionale scaturiscono, tuttavia, elementi significativi anche in termini di applicazioni prodromiche della Intelligenza Artificiale Agentica.

Si è constatato, ad esempio, come Orchestre di Agenti Artificiali che utilizzino lo stesso protocollo o Modelli Linguistici simili, possano allinearsi involontariamente nella predisposizione di una offerta per una gara di appalto da parte di diverse imprese di costruzioni, conducendo alla sottomissione di offerte quasi identiche o secondo logiche inintenzionali di carattere collusivo.

Più banalmente, se tutti gli operatori economici utilizzassero gli stessi Modelli Linguistici, gli stessi protocolli e gli stessi Agenti, il Settore convergerebbe verso soluzioni simili, riducendo diversità progettuale e innovazione tecnologica.

Una volta di più, nonostante che le ipotesi più futuribili si manifestino ancora come remote, le loro possibili conseguenze devono essere attenzionate sin da subito.

Di fatto, è possibile immaginare una classificazione evolutiva delle funzionalità di Agency che riguarderanno la mediazione tra il professionista tecnico e l’ecosistema artificiale:

• livello di assistenza reattiva (querying, checking, compliance);
• livello di agentificazione operativa (azioni su modello sotto vincoli);
• livello di co-agentificazione ideativa (negoziazione di obiettivi);
• livello di agentificazione autonoma.

IA agentica e World Modelling nel BIM: controllo, verifica e simulazione

• Che cosa si intende per IA agentica applicata al BIM?
  L’IA agentica indica sistemi capaci di compiere azioni sul modello informativo sotto vincoli definiti. Nel BIM questo significa interrogare, verificare, modificare o coordinare entità informative tramite agenti specializzati, senza sostituire il progettista nelle scelte ideative.
• Che cosa sono i World Model e perché sono rilevanti per le costruzioni?
  I World Model sono modelli basati su rappresentazioni tridimensionali dinamiche che interpretano la causalità fisica. In prospettiva consentirebbero simulazioni evolutive del comportamento di edifici e infrastrutture lungo la vita utile, oltre la semplice visualizzazione geometrica.
• In quali contesti trovano oggi applicazione queste tecnologie?
  Le applicazioni attuali riguardano soprattutto verifica dei requisiti, interrogazione dei modelli come basi di dati, controllo normativo e supporto alle decisioni. L’uso ideativo resta limitato a causa delle difficoltà nel ragionamento spaziale e parametrico.