Scopri come l’AI nel settore AEC migliora la gestione dei dati, Digital Twin e decisioni operative con Knowledge Graph e Graph RAG.
Introduzione: evoluzione digitale nel settore AEC
Negli ultimi dieci anni, l’innovazione tecnologica ha attraversato una fase di accelerazione senza precedenti: se in passato la trasformazione digitale correva su binari lineari, oggi l’avvento dei modelli di Intelligenza Artificiale ha introdotto salti di paradigma e un ritmo evolutivo che mette alla prova processi, competenze e strategie aziendali.
Per One Team, come per molte realtà europee, i programmi di finanziamento dell’Unione Europea — da Horizon Europe, ai grandi progetti di ricerca collaborativa — hanno rappresentato il motore per esplorare tecnologie emergenti e costruire un ecosistema di partnership internazionali. Ma il vero baricentro della trasformazione non è soltanto tecnologico: nasce dall’incontro tra persone, competenze e problemi reali.
L’AI come tecnologia di rottura
L’Intelligenza Artificiale Generativa è senza dubbio l’innovazione più rilevante dell’ultimo decennio. Il suo ingresso nella quotidianità è stato così rapido che, nel giro di pochi mesi, strumenti come ChatGPT, Gemini, Mistral o Claude sono diventati parte integrante dei nostri processi. Tuttavia, dietro l’entusiasmo iniziale si nasconde un grande paradosso.
Secondo quanto riportato, il 95% delle organizzazioni che ha introdotto strumenti di AI non riesce a misurarne i reali benefici. Questo accade perché, spesso, l’AI viene impiegata principalmente per sostituire semplici attività meccaniche, come tradurre testi, sintetizzare documenti o generare immagini.
I modelli di linguaggio (Large Language Models – LLM) pur essendo addestrati su una vastissima quantità di dati, rimangono limitati nel fornire informazioni accurate ed aggiornate su argomenti molto specifici. È, infatti, molto popolare sui social una rappresentazione degli LLM come dei “pappagalli estremamente abili” nel ripetere quanto appreso durante l’addestramento, con la generazione di sequenze probabilistiche molto aderenti alla realtà, ma senza una reale comprensione del contesto.
Dai modelli linguistici ai Knowledge Graph: verso un’AI che comprende
La vera frontiera non è dunque avere un “pappagallo” più intelligente degli altri, ma costruire sistemi che comprendano il contesto in cui operano. Qui entrano in gioco i “Knowledge Graph”: una tecnologia nata decenni fa, oggi potenziata proprio dai modelli linguistici.
Un Knowledge Graph (KG) è un sistema che permette di strutturare la conoscenza come una rete di entità e relazioni: un edificio, i suoi impianti, gli spazi, le normative, i documenti, gli attori coinvolti. A differenza di un database tradizionale, il grafo non si limita a contenere dati, ma ne rappresenta i legami. Questo concetto non è nuovo nel settore della progettazione e può essere rappresentato dalla differenza tra le tecnologie CAD e BIM: nella prima gli elementi sono solo un insieme di primitive geometriche, nella seconda diventano delle classi con precise funzioni, proprietà e relazioni.
Su questa base si innesta la più recente tecnologia nota come Retrieval Augmented Generation (RAG) utilizzata per ricavare informazioni specifiche da un contesto ed evitare che il LLM generi allucinazioni e risponda utilizzando informazioni aggiornate e personalizzate.
Un’ulteriore evoluzione, applicabile ai KG è il Graph RAG, che permette ai modelli linguistici di generare ed interrogare il grafo in modo più efficace. Non più risposte generiche, ma reasoning contestuale e affidabile: è la direzione che guiderà i prossimi quattro anni di sviluppo del progetto europeo Integrates, appena avviato.
Quando l’AI diventa operativa: Digital Twin e Logbook
Se la parte teorica dell’innovazione è rappresentata dalla capacità di strutturare e comprendere la conoscenza, la parte applicativa è utilizzare quella conoscenza nel mondo reale, in sistemi come i Digital Twin.
Il progetto ECOFACT, recentemente concluso, ne è un esempio concreto: una piattaforma capace di monitorare produzioni continue tramite sensori IoT, modelli AI multi-obiettivo e strumenti predittivi. L’obiettivo non è visualizzare grafici, ma supportare decisioni pratiche: capire come ottimizzare le code di produzione, ridurre consumi energetici o evitare fermi macchina.
Nel settore delle costruzioni, lo stesso approccio viene applicato attraverso il progetto BuildON, dove Digital Twin e Digital Logbook offrono un vero e proprio “registro di vita” dell’edificio. Manutenzioni, ristrutturazioni, modifiche, analisi energetiche: tutto viene tracciato in modo strutturato, consultabile e integrabile con i modelli BIM originali.
AI nel settore AEC: costruire un’innovazione che resta
Come accade per ogni trasformazione dirompente, anche l’AI sta percorrendo la sua peculiare curva di adozione: oggi ci troviamo al vertice dell’entusiasmo collettivo, ma il passaggio cruciale sarà comprendere se questa tecnologia è destinata a consolidarsi.
Nel settore AEC, l’AI diventerà realmente stabile e incisiva solo quando sarà orientata al reasoning, integrata con dati strutturati e verificabili, ed accompagnata da competenze umane, in grado di interpretarne i risultati.
(Fonte: One Team)
