L’intelligenza artificiale sta rapidamente entrando negli studi di progettazione. Dopo una prima fase caratterizzata dall’uso di modelli generativi per produrre immagini, concept e testi, il settore Architecture, Engineering & Construction (AEC) sta assistendo a un cambiamento più profondo: l’integrazione dell’AI all’interno dell’intero ecosistema digitale del progetto.
In questo contesto emerge il Model Context Protocol (MCP), uno standard aperto che consente ai modelli linguistici (Large Language Models, LLM) di interagire con applicazioni, database e servizi esterni in modo standardizzato.
Per il mondo dell’architettura, il valore dell’MCP non risiede tanto nella generazione automatica di contenuti, quanto nella possibilità di trasformare l’AI in un assistente capace di comprendere il contesto progettuale, interrogare modelli BIM, consultare normative, analizzare dati energetici e collaborare con gli strumenti già presenti nel flusso di lavoro.
Un modello linguistico possiede una vasta conoscenza generale, ma non conosce il progetto sul quale un professionista sta lavorando.
Non può sapere, per esempio: quale versione del modello BIM sia quella corrente; quali modifiche siano state introdotte nell’ultima revisione; quali materiali siano stati selezionati; quali prescrizioni urbanistiche valgano per uno specifico Comune; quale sia lo stato di avanzamento del cantiere.
Per ottenere queste informazioni è necessario che il modello possa accedere direttamente alle fonti dati. È proprio questa la funzione del Model Context Protocol.
Che cos’è il Model Context Protocol
Il Model Context Protocol (MCP) definisce un’interfaccia standard attraverso la quale un modello di AI può scoprire, interrogare e utilizzare strumenti esterni.
Dal punto di vista concettuale, il protocollo separa tre componenti principali:
- il modello linguistico (client);
- un server MCP che espone dati o funzionalità;
- le risorse esterne, come software, database, API e repository documentali.
Il modello non accede direttamente ai dati, ma dialoga con server MCP che mettono a disposizione strumenti e informazioni in maniera controllata, sicura e contestualizzata.
Questo approccio rende il sistema modulare e interoperabile: nuovi strumenti possono essere aggiunti senza modificare il modello di AI.
Il Building Information Modeling è già, per sua natura, un sistema informativo. Ogni oggetto del modello, infatti, contiene dati relativi a geometria, materiali, prestazioni, codifiche, costi, manutenzione, relazioni con altri elementi. Ecc.
Tuttavia, l’accesso a queste informazioni richiede normalmente l’utilizzo di software specialistici come i più diffusi programmi di authoring o piattaforme IFC compatibili.
Attraverso il MCP, un assistente AI potrebbe interrogare direttamente il modello BIM senza richiedere all’utente di navigare manualmente tra viste, famiglie e parametri.
Ad esempio: “Quali serramenti del prospetto sud non rispettano il valore Uw richiesto?”; oppure, “Mostrami tutti gli elementi in calcestruzzo armato previsti nella fase costruttiva 3.” Il sistema interpreterebbe la richiesta naturale, la tradurrebbe in interrogazioni sul modello e restituirebbe una risposta strutturata.
Le potenziali applicazioni
L’evoluzione più interessante riguarda probabilmente il mondo OpenBIM. Grazie agli standard aperti come IFC (Industry Foundation Classes), BCF (BIM Collaboration Format) e IDS (Information Delivery Specification), l’MCP potrebbe diventare il livello conversazionale capace di interrogare dati indipendentemente dal software utilizzato. Questo ridurrebbe la dipendenza da specifiche piattaforme proprietarie e favorirebbe una maggiore interoperabilità tra progettisti, imprese e committenza. L’AI diventerebbe così un’interfaccia universale verso l’intero patrimonio informativo del progetto.
Ma quali applicazioni potrebbe avere il MCP lungo l’intero ciclo di vita dell’opera?
Nelle prime fasi progettuali, per esempio, l’assistente potrebbe integrare: GIS; dati catastali; vincoli paesaggistici; strumenti di analisi climatica; database urbanistici. Il progettista potrebbe ottenere rapidamente informazioni sul sito, sugli indici edificatori o sulle limitazioni normative.
Durante la fase di progettazione definitiva ed esecutiva, invece, l’approccio AI a progettazione l’AI potrebbe verificare la completezza del modello, individuare elementi mancanti, confrontare revisioni, controllare la conformità normativa, supportare il coordinamento interdisciplinare. In questo senso, l’obiettivo non è sostituire i software di verifica, ma rendere l’accesso alle informazioni molto più naturale.
Altro campo di applicazione è quella della Clash Detection “intelligente”; oggi strumenti come Navisworks o Solibri individuano interferenze geometriche; un assistente basato su MCP potrebbe aggiungere una comprensione semantica del progetto. Ad esempio, potrebbe distinguere: interferenze critiche; interferenze accettabili; conflitti temporanei; incoerenze documentali. Inoltre, potrebbe suggerire possibili strategie risolutive.
Potenziale applicazione è ance il campo del cost control: collegando il modello BIM ai computi metrici e ai prezzari regionali, il progettista potrebbe formulare richieste come: “Qual è il costo della struttura portante?”, oppure, “Quali alternative consentono una riduzione del budget del 10% mantenendo le prestazioni energetiche?”. L’assistente non si limiterebbe a recuperare valori, ma potrebbe eseguire confronti e simulazioni.
Nella fase di cantiere, durante l’esecuzione lavori, il MCP può connettere elementi quali: cronoprogramma; SAL; giornale dei lavori; documentazione fotografica; report di sicurezza; piattaforme CDE (Common Data Environment). Un direttore lavori potrebbe ottenere risposte immediate sullo stato delle lavorazioni, sulle varianti approvate o sulla documentazione disponibile.
Uno degli scenari più promettenti, poi, riguarda il Digital Twin. Un edificio dotato di sensori IoT produce continuamente dati relativi a consumi energetici, temperatura, qualità dell’aria, occupazione degli spazi, manutenzione degli impianti, ecc.
Attraverso MCP, un assistente AI potrebbe interrogare simultaneamente il modello BIM, i dati in tempo reale, il sistema BMS (Building Management System) e la documentazione tecnica.
Il facility manager potrebbe semplicemente chiedere, per esempio: “Perché il consumo energetico del terzo piano è aumentato questa settimana?”, oppure, “Quali UTA richiedono manutenzione nei prossimi trenta giorni?”.
Infine, il MCP apre anche nuove prospettive nell’automazione. Un singolo comando potrebbe attivare una sequenza di operazioni:
- aggiornare il modello BIM;
- rigenerare gli elaborati;
- aggiornare il computo;
- notificare il team;
- archiviare la nuova revisione nel CDE;
- predisporre il verbale delle modifiche.
L’AI diventerebbe così un orchestratore del processo progettuale, non soltanto un assistente conversazionale.
Uno scenario da regolare
Il Model Context Protocol rappresenta un passaggio strategico nell’evoluzione dell’intelligenza artificiale applicata all’architettura. Non introduce nuove capacità cognitive nei modelli linguistici, ma fornisce un’infrastruttura che consente loro di operare all’interno dell’ecosistema digitale della progettazione.
Integrando BIM, OpenBIM, Common Data Environment, Digital Twin, banche dati normative e piattaforme di project management, l’MCP può trasformare l’AI in un collaboratore operativo capace di assistere progettisti, direttori dei lavori e facility manager lungo l’intero ciclo di vita dell’edificio.
La vera innovazione non consiste nell’avere un’intelligenza artificiale più “intelligente”, ma nel renderla consapevole del contesto in cui opera. In questa prospettiva, il Model Context Protocol potrebbe diventare uno dei pilastri dell’architettura digitale del prossimo decennio, contribuendo a rendere il processo progettuale più integrato, efficiente e orientato ai dati.
Nonostante il potenziale, l’adozione dell’MCP nel settore AEC presenta anche alcune criticità. La qualità delle risposte dipende dalla qualità dei dati disponibili. Modelli BIM incompleti, informazioni non aggiornate o documentazione incoerente riducono significativamente l’efficacia dell’assistente.
Occorre inoltre affrontare temi fondamentali quali, ad esempio, la governance dei dati, il controllo degli accessi, la cybersecurity, la tracciabilità delle decisioni, la responsabilità professionale. In un settore regolato come quello delle costruzioni, l’AI dovrà essere in grado di motivare ogni risposta indicando chiaramente le fonti utilizzate.
