Cosa cambia oggi, cosa cambierà domani e perché il settore AEC non sarà più lo stesso
Autore: Roberta Cecchi, BIM & Project Manager | CDE Manager | BIM Coordinator | AEngineering Srl
C’è un mantra che circola ovunque, da tempo, sull’intelligenza artificiale: «l’AI ci ruberà il lavoro». È una frase che genera click, alimenta ansie e riempie titoli. Ma è anche, a mio avviso, la domanda sbagliata. O quantomeno incompleta. Perché mentre ci arrovelliamo su chi farà il lavoro, sta accadendo qualcosa di più sottile e più profondo: sta cambiando come il lavoro viene fatto. E la rivoluzione non riguarda la sostituzione delle persone, ma la dissoluzione degli strumenti che quelle persone usano.
Questo articolo nasce dalla mia esperienza quotidiana come BIM Manager, consulente e formatrice, e vuole offrire una panoramica su tre fronti: cosa l’AI sa fare oggi nel settore AEC, come sta già trasformando i flussi di lavoro BIM, e quali scenari ci aspettano a brevissimo termine. Spoiler: sono scenari che dovrebbero togliere il sonno a più di qualcuno.
L’AI e il BIM oggi: dalla teoria alla pratica operativa
Verificare i dati: il vero collo di bottiglia del BIM
Nel panorama della digitalizzazione delle costruzioni, uno dei colli di bottiglia più critici rimane la verifica del contenuto informativo dei modelli BIM. Parliamoci chiaro: tutti sappiamo fare una Clash Detection. È la verifica più conosciuta e più rapida. Ma la verifica delle codifiche e dei dati contenuti nei modelli — Property Set, classificazioni, attributi, requisiti informativi — è un’operazione che molti trascurano o eseguono in modo superficiale. E questo è un problema serio, perché il pieno potenziale del BIM si può sfruttare solo se i dati contenuti nei modelli sono accurati, completi e coerenti.
Perché non si fa abbastanza? Le ragioni sono molteplici. I software di BIM Reviewing hanno spesso funzionalità più orientate all’analisi delle interferenze che non al Code Checking. I modelli BIM possono contenere decine di migliaia di elementi, ognuno con decine di proprietà, e impostare correttamente le specifiche di controllo richiede tempo e competenze non sempre diffuse in tutti i team. La verifica efficace presuppone una conoscenza profonda dello schema IFC, degli standard di progetto e dei software dedicati.
L’Intelligenza Artificiale può trasformare radicalmente questo processo. Sfruttando algoritmi avanzati e il linguaggio di programmazione Python, i sistemi di AI sono oggi in grado di analizzare interi modelli IFC in una frazione del tempo richiesto dai metodi tradizionali, con una precisione che elimina l’errore umano.
Come funziona nella pratica
Il flusso è sorprendentemente diretto. Si importa un file IFC in un ambiente AI — può essere un chatbot avanzato, una piattaforma con capacità di analisi codice, o un’integrazione diretta tramite API — e si chiede, in linguaggio naturale, di analizzare il contenuto informativo degli elementi. L’AI legge il file, identifica gli oggetti (IfcWall, IfcDoor, IfcSpace e così via), ne estrae tutte le proprietà organizzate in Property Set, e restituisce il risultato in formati immediatamente operativi.
Il vero potere non risiede solo nell’identificare le carenze, ma nel presentare i risultati in un formato che ne faciliti la risoluzione. Un sistema di verifica basato su AI può generare automaticamente due tipi di output fondamentali. Il primo sono i resoconti tabellari in formato Excel: fogli di calcolo dettagliati dove ogni riga rappresenta un’anomalia con GUID, tipo di elemento, proprietà mancante o errata e descrizione del problema. Il secondo, ancora più potente, sono i report in formato BCF (BIM Collaboration Format): per ogni anomalia rilevata, l’AI crea un’issue georeferenziata che, quando importata nel software di BIM Authoring o di BIM Reviewing, porta istantaneamente alla vista e all’elemento problematico. Niente più ricerca manuale nel modello: un click e sei sull’oggetto da correggere.
I vantaggi sono tangibili: precisione assoluta nell’eliminazione degli errori di non conformità, velocità ineguagliabile nei cicli di revisione, scalabilità illimitata (che il modello abbia mille o centomila elementi, per l’AI cambia solo qualche minuto di elaborazione) e la capacità di creare un sistema di quality control personalizzato che impara e si adatta nel tempo. In un workflow operativo, il BIM Manager distribuisce i file BCF ai rispettivi responsabili, che individuano e e danno direttive per correggere il problema con un solo click. Fine della caccia al tesoro dentro il modello.
Il collegamento diretto AI-BIM: il protocollo MCP
Se la verifica dei dati rappresenta il cosa l’AI sa fare oggi con il BIM, il come ci arriva è forse ancora più rivoluzionario. E il protagonista si chiama Model Context Protocol, o MCP. Il MCP è un protocollo aperto sviluppato da Anthropic (l’azienda dietro Claude) che permette di interfacciare direttamente sistemi di intelligenza artificiale con software di qualsiasi tipo attraverso connessioni server standardizzate. In parole meno tecniche: è il ponte che consente all’AI di accedere ai dati di un software BIM in tempo reale, leggere le proprietà degli elementi, eseguire query complesse sul modello e generare modifiche parametriche — il tutto attraverso un’interfaccia conversazionale in linguaggio naturale.
È stato definito l’«USB-C dell’AI»: un connettore universale che elimina la necessità di costruire integrazioni personalizzate per ogni combinazione di modello AI e software esterno. Prima dell’MCP, collegare un’AI a un programma richiedeva soluzioni ad hoc, costose e fragili. Ora esiste uno standard.
Archicad + Claude: un caso concreto
Per il settore AEC, l’applicazione più avanzata di questo protocollo è oggi l’integrazione tra Archicad e i modelli linguistici (Claude, ChatGPT, Gemini) e il relativo server MCP. Il server MCP funge da strato intelligente sopra questa API, permettendo a un agente AI di scoprire e utilizzare i comandi di interfaccia tramite una ricerca semantica in linguaggio naturale.
In pratica significa poter aprire una conversazione con l’AI e chiedere: «Quanti muri ci sono nel progetto? Qual è la composizione stratigrafica dei muri esterni? Elencami tutti gli elementi a cui manca la classificazione UNI 8290» e così via… L’AI interroga il modello Archicad in tempo reale e restituisce le risposte in pochi secondi. Non su un file esportato, non su un database statico ma sul modello aperto, in tempo reale.
La differenza rispetto a un’AI «interna», nativa e installata dal produttore del software, è sostanziale: un’AI esterna si apre al mercato, attinge in tempo reale a dati online, listini, prezzari, normative continuamente aggiornabili. Non solo potenzia il software BIM, ma lo connette alla ricchezza e alla dinamicità della rete, offrendo un know-how che può essere esteso e arricchito senza limiti.
Lo stesso tipo di integrazione MCP esiste già anche per Revit anche se al momento è “più acerba”, con progetti open source come revit-mcp che permettono di creare e interrogare modelli attraverso client AI. Siamo ancora in una fase di sviluppo attivo, l’integrazione con Archicad invece è più matura e testata sul campo mentre le implementazioni Revit più giovani, ma la direzione è tracciata per tutto il settore.
Dalla staticità alla dinamicità: il salto evolutivo
Questa convergenza tecnologica non è un’evoluzione incrementale. È un cambio di paradigma. Tradizionalmente, i modelli BIM sono stati concepiti come contenitori informativi statici: ricchi di dati, sì, ma limitati nella loro capacità di adattamento dinamico. L’integrazione con l’AI li trasforma in sistemi predittivi e adattivi, capaci di elaborare, interpretare e mettere in relazione enormi quantità di informazioni in tempo reale.
Il modello non è più solo un archivio di informazioni, ma diventa uno strumento decisionale avanzato. Ogni modifica, ogni variante progettuale, ogni aggiustamento viene immediatamente processato dal sistema, che analizza l’impatto su tutti gli aspetti del progetto, calcola automaticamente nuove stime di costo e performance, identifica potenziali criticità prima che diventino problemi e propone soluzioni alternative ottimizzate. Questo avviene in millisecondi, permettendo ai progettisti di valutare istantaneamente l’effetto di ogni decisione.
Il futuro prossimo: l’interaccia che scompare
Ed ecco il punto che mi sta più a cuore, e che credo meriti una riflessione franca da parte dell’intero settore: provate a pensare alla vostra giornata lavorativa, a quante ore passate non a pensare a un progetto, ma a utilizzare un software? A cercare il comando giusto, a formattare una tabella, a navigare menu e sottomenu. L’ironia è che molti dei software che usiamo — Word, Excel, Revit, Archicad — sono nati per renderci più produttivi, ma nel tempo sono diventati ecosistemi complessi che richiedono formazione specifica solo per essere utilizzati.
Ora immaginate un mondo — e non è fantascienza, è il 2026 — in cui non aprite più Excel per creare un report. Lo descrivete. E il file appare. Formattato, calcolato, pronto per essere verificato e firmato. L’AI non «usa» il software: lo bypassa completamente, producendo il file finito come output.
Come ha scritto un ex designer Apple oggi impegnato in un laboratorio AI: i dispositivi e le interfacce che usiamo sono fondamentalmente «pre-AI». Sono stati progettati per un mondo in cui l’uomo era l’unico interprete possibile tra l’intenzione e il risultato. Quell’epoca sta finendo. E forse a breve gli standard che tutti usiamo non saranno neppure più xlsx, docx e simili, ma formati aperti che chiunque potrà generare e leggere con app minimali create al volo dall’AI stessa. A quel punto la domanda non è più «l’AI sostituirà il professionista?», ma: perché il professionista dovrebbe continuare a usare un’interfaccia grafica pensata per esseri umani, quando l’AI può scrivere direttamente il risultato finale?
Se questo è già realtà per un foglio di calcolo, pensate a cosa significherà per il BIM. Già oggi i modelli linguistici possono creare, modificare, interrogare e verificare modelli IFC tramite istruzioni in linguaggio naturale. Strumenti come Plans2BIM e AmpliFy convertono planimetrie PDF in modelli tridimensionali con riconoscimento automatico di muri, porte, finestre e spazi. Certo, con limiti: altezze predefinite, supporto prevalentemente residenziale, necessità di verifica umana. Ma la direzione è tracciata.
Lo scenario che vedo prendere forma: un progettista parte da uno schizzo, descrive testualmente le istruzioni — altezza interpiano, tipologia di solaio, stratigrafia della muratura — e l’AI genera il modello. Non perfetto, probabilmente non al primo tentativo. Ma un modello su cui lavorare, da verificare e raffinare. Non da costruire da zero, elemento per elemento, clic dopo clic.
Già oggi, con l’integrazione MCP che ho descritto, è possibile interrogare un modello BIM in linguaggio naturale, estrarre quantità, analizzare stratigrafie, compilare Property Set in modo rapidissimo. Lo faccio quotidianamente nel mio lavoro. La distanza tra «interrogare un modello» e «generare un modello» si sta riducendo a una velocità impressione che però non così evidente per tutti.
La fine dei corsi sui software
Se questo scenario si realizza — e credo sia questione di quando, non di se — una delle conseguenze più dirompenti riguarda la formazione professionale. Oggi il mercato della formazione nel settore AEC è costruito attorno ai software: corsi Revit, corsi Archicad, corsi di modellazione, di computo, di rendering. Centinaia di ore dedicate a insegnare come navigare un’interfaccia.
In un mondo in cui l’AI genera direttamente l’output, questa formazione diventa progressivamente irrilevante. Non serviranno più corsi su come usare uno strumento, ma su come ottenere risultati dall’intelligenza artificiale. La competenza si sposta dalla conoscenza dell’interfaccia alla capacità di formulare richieste precise, strutturate, professionalmente fondate.
Per fare un’analogia: è la differenza tra sapere come si guida un’automobile e sapere dove si vuole andare. Quando l’auto si guiderà da sola, la competenza del guidatore diventerà irrilevante. La competenza del viaggiatore — sapere quale destinazione scegliere, quale percorso ha senso, quali fermate fare — resterà indispensabile.
Questo non significa che le competenze tecniche scompariranno. Cambieranno forma. Chi formerà i professionisti del futuro dovrà insegnare a pensare in termini di output, non di processo. E, cosa fondamentale: a verificare criticamente ciò che l’AI produce, perché la responsabilità professionale resterà — per fortuna — sempre umana.
Il dilemma delle software house
Se fossi CEO di una software house, queste riflessioni mi toglierebbero il sonno. Il modello di business del settore AEC si fonda sul presupposto che un essere umano debba sedersi davanti a un’interfaccia grafica e usare il software. Licenze, abbonamenti, aggiornamenti: tutto ruota attorno a quell’interazione uomo-software.
Ma se l’AI può scrivere direttamente un file IFC, .rvt o .pln senza mai aprire l’applicazione, cosa resta da vendere? L’interfaccia grafica diventa un optional. Il motore di calcolo, il kernel geometrico, i dati: questi restano essenziali. Ma l’interazione umana che giustifica l’abbonamento annuale perde la sua ragion d’essere.
Le software house più lungimiranti lo stanno capendo. Allplan e Archicad hanno già inserito un AI assistant nelle ultime release. BricsCAD punta sull’automazione. Ma sono evoluzioni incrementali. La vera domanda è: saranno disposte a ripensare radicalmente il proprio prodotto, trasformandosi da fornitori di interfacce a fornitori di motori computazionali al servizio dell’AI? Chi non farà questa transizione rischia la fine di Kodak: un ragazzo della Generazione Z non ha mai sentito quel nome.
Il costo sovvenzionato dal capitale di rischio
C’è però un aspetto di questa rivoluzione che viene sistematicamente sottovalutato: il costo. I prezzi che paghiamo oggi per i servizi di AI non riflettono il loro costo reale. Sono prezzi sovvenzionati dal capitale di rischio, esattamente come lo erano le corse Uber dei primi anni. OpenAI, secondo le stime più recenti, prevede di bruciare circa 14 miliardi di dollari nel solo 2026. Qualcuno ha definito questa situazione la «sovvenzione allo stile di vita» applicata all’AI.
E poi c’è la questione energetica. Entro la fine del 2026, il consumo elettrico globale dei data center è destinato a superare i 1.000 terawattora annui, l’equivalente del consumo dell’intero Giappone. Una singola richiesta a un chatbot AI consuma circa dieci volte più energia di una ricerca Google tradizionale. E più i modelli diventano capaci, più ogni query richiede potenza di calcolo.
La domanda che dovremmo porci, come professionisti che costruiscono flussi di lavoro sempre più dipendenti dall’AI, è: cosa succede quando questa sovvenzione finisce? Quando le aziende AI andranno in borsa e gli investitori chiederanno margini reali, i prezzi saliranno. Ma noi ne saremo già totalmente dipendenti.
Prigionieri di un abbonamento?
Immaginate questa progressione, che in realtà è già in atto. Prima, l’AI diventa un complemento ai nostri strumenti. Poi diventa il canale preferenziale: perché aprire un software se posso descrivere ciò che voglio? Infine diventa l’unico canale praticabile, perché i software tradizionali, privi di mercato sufficiente, vengono dismessi o trasformati in motori backend.
A quel punto, la nostra capacità di produrre valore professionale passa interamente attraverso un abbonamento AI. Se non potrò o non vorrò pagarlo — magari decuplicato — sarò letteralmente impossibilitato a lavorare. Non avrò più gli strumenti «manuali» per farlo, né le competenze operative, ormai atrofizzate, per utilizzare interfacce tradizionali che molto probabilmente non esisteranno più.
Non è uno scenario distopico: è la logica stessa del mercato tecnologico. Quando un paradigma diventa dominante, le alternative si estinguono. Quanti di voi ricordano com’era lavorare senza connessione internet negli anni novanta? L’AI potrebbe seguire lo stesso percorso. Il 67% delle organizzazioni dichiara già di voler evitare un’eccessiva dipendenza da un singolo fornitore AI. Il 45% ammette che il vendor lock-in ha già limitato la propria capacità di adottare strumenti migliori. Numeri che raccontano una consapevolezza crescente, ma anche una trappola già in atto.
Il rischio è particolarmente acuto per il settore AEC, dove la frammentazione professionale — migliaia di piccoli studi, professionisti singoli, micro-imprese — rende la categoria strutturalmente vulnerabile a dinamiche di mercato decise altrove. Un grande studio internazionale potrà negoziare contratti enterprise con i fornitori AI. Un architetto libero professionista a Pisa, o un piccolo studio di ingegneria a Bari, si troverà a subire il prezzo che il mercato impone, senza alternativa praticabile. E se quel prezzo diventerà il nuovo costo di ingresso per esercitare la professione, dovremo chiederci seriamente se stiamo costruendo un futuro più efficiente o uno più escludente.
Allora cosa facciamo?
Non ho risposte o soluzioni definitive — e diffido di chi le offre. Ma ho alcune convinzioni maturate sul campo:
- Adottare l’AI non è opzionale. Chi pensa di poter ignorare questa trasformazione si troverà marginalizzato nel giro di pochi anni. Non perché l’AI farà il nostro lavoro al posto nostro, ma perché i professionisti che la usano saranno semplicemente più veloci, più precisi, più competitivi.
- Investire in competenze, non in strumenti. La conoscenza profonda della progettazione, delle normative, della fisica tecnica, del cantiere: queste restano. Sono il fondamento su cui l’AI costruisce. Senza di esse, l’AI produce spazzatura elegante. Il professionista del futuro non è quello che sa usare meglio il software. È quello che sa meglio cosa chiedere.
- Pretendere trasparenza e portabilità. Dobbiamo esigere standard aperti, formati interoperabili, e la possibilità di migrare tra fornitori AI senza perdere dati e flussi di lavoro. L’IFC è nato proprio con questa filosofia di apertura. Non lasciamo che l’era dell’AI la tradisca.
- Non smettere mai di saper fare le cose. Il giorno in cui un professionista non è più in grado di valutare criticamente un output — che sia un computo, un modello BIM o una relazione tecnica — è il giorno in cui smette di essere un professionista e diventa un operatore di prompt. La responsabilità professionale non si delega a un algoritmo.
Il futuro non ci chiede di scegliere tra uomo e macchina. Ci chiede di ripensare il rapporto tra i due. E quel rapporto, oggi, passa ancora attraverso interfacce progettate trent’anni fa per un mondo che non esiste più.
La vera domanda non è se l’AI ci ruberà il lavoro. La vera domanda è: quando ci ruberà gli strumenti, saremo pronti?
