Intelligenza Artificiale e Infrastrutture: l’ascesa dei workflow di ingegneria open

Bentley Systems ha integrato l’intelligenza artificiale nel proprio portfolio software per le infrastrutture, incorporando large language model (LLM) addestrati su conoscenze specifiche dell’ingegneria, come codici tecnici e normative di progetto. La strategia, emersa in modo ricorrente al Year in Infrastructure and Going Digital Awards 2025 (YII), combina applicazioni aperte e dati fruibili per supportare flussi di lavoro assistiti da AI lungo l’intero ciclo di vita delle opere: progettazione, costruzione ed esercizio.

L’AI nel portfolio: da OpenSite+ a SYNCHRO+

Il caso più esplicito è OpenSite+, applicazione per la progettazione di siti commerciali, industriali e residenziali che impiega AI generativa. Il software integra le funzionalità assistite del design assistant Bentley Copilot – interazioni in linguaggio naturale, ottimizzazione del livellamento (grading), produzione automatica dei disegni – e lavora con strumenti standard come GIS e CAD: riceve input come footprint edilizi, progetti stradali e parametri di progetto per integrare gli elementi e accelerare progettazione ed elaborati grafici.

AI anche in OpenUtilities Substation+, soluzione cloud per la progettazione di sottostazioni elettriche: le capacità di branching & syncing consentono flussi di lavoro concorrenti tra più progettisti, gestione del version control e intelligenza guidata da schemi per una modellazione più rapida.

• MicroStation, OpenRoads Designer, OpenRail Designer: equipaggiati con Bentley Copilot e nuovi strumenti AI che organizzano automaticamente le etichette nei disegni complessi, eliminando il testo sovrapposto e snellendo i processi di revisione.
• STAAD: abilitato con le capacità Copilot.
• SYNCHRO+: evoluzione di SYNCHRO 4D per la modellazione costruttiva, applica automazione guidata da AI alle attività ripetitive della pianificazione 4D di cantiere, lasciando ai team i flussi di pianificazione collaborativa e di stima.

Adozione: numeri e usi dichiarati

Un quadro arriva dal white paper “Artificial Intelligence – Impact on the Built Environment” (Pinsent Masons, Bentley Systems, Mott MacDonald e Turner & Townsend, settembre 2025). Il 73% dei rispondenti si attende un impatto significativo o moderato dell’AI sul proprio modello di business; per il 24% l’AI è già una considerazione rilevante e sta adattando attivamente il proprio modello in vista di una futura disruption.

Sono l’automazione dei processi documentali e l’ottimizzazione di progettazione e ingegneria le due applicazioni più diffuse tra le organizzazioni del settore. Per YJ Kim, AI Technical Lead di Mott MacDonald, l’automazione documentale si presta bene all’AI perché si affida a elaborazione del linguaggio naturale e a language model, di piccole e grandi dimensioni: tecnologie relativamente mature e a rischio contenuto.

Turner & Townsend, partner del sondaggio, usa l’AI per riformare processi in ambito commerciale, project controls, pianificazione e progettazione. Nel lavoro per gli aeroporti, dove ha automatizzato numerosi processi, la società ha realizzato una piattaforma di “commercial intelligence” che automatizza e snellisce parte delle attività amministrative commerciali post-contratto, quelle che richiedono più tempo. Alcune aziende del settore usano inoltre strumenti pubblici come ChatGPT o Claude, oppure strumenti custom: tra gli esempi citati, team di asset management combinano AI e digital twin per analizzare le condizioni delle pavimentazioni, con algoritmi di machine learning che esaminano le immagini e individuano i difetti con maggiore accuratezza.

Data readiness: la condizione preliminare

I panel della YII hanno insistito su un punto: l’AI da sola non modernizza le infrastrutture. Serve data readiness, cioè dati fruibili, strutturati, contestualizzati, recuperabili e affidabili. Secondo Anne-Marie Friel, Partner dello studio legale internazionale Pinsent Masons, ciò passa da pratiche solide di information management, governance ed etica dei dati: “ci servono risultati affidabili, attendibili ed equi”. La preparazione dei dati richiede un lavoro talvolta tedioso di “housekeeping”: senza fondamenta solide, avverte Friel, tutto crolla come una casa di carte.

La frammentazione del settore AEC aggrava il problema, con specialisti che lavorano in silos usando processi, strumenti e formati diversi. Per Kim, standardizzazione e interoperabilità sono decisive e possono essere sostenute da schemi dati comuni e da un tagging coerente di documenti, progetti e lezioni apprese tra progetti diversi. Descrivere i dati con un formato coerente in un ambiente frammentato è ciò che ne sblocca il valore.

Model Context Protocol: contesto per gli agenti

Per collegare l’AI ai dati di ingegneria, Bentley punta sul Model Context Protocol (MCP), framework open source che fornisce ai sistemi AI un contesto ricco: non solo la geometria dei modelli, ma le relazioni tra gli elementi del progetto e la loro funzione nel sistema complessivo, descritte da un livello di informazioni standardizzato e leggibile dalle macchine. MCP funge inoltre da interfaccia standardizzata perché gli agenti AI sappiano utilizzare gli strumenti di ingegneria, motori deterministici per natura, che forniscono risposte precise agli agenti generativi non deterministici.

Bentley ha introdotto integrazioni MCP per STAAD.Pro e MicroStation e ha sottoposto i connettori basati su MCP alla piattaforma Claude di Anthropic. Per Francois Valois, Senior Vice President Open Applications di Bentley Systems, senza un contesto e una precisione ingegneristica profondi l’AI non può dare vero valore ai professionisti: MCP è ciò che consente agli agenti costruiti dalle aziende AEC di interagire in modo integrato e sicuro con dati e logica ingegneristica dell’ecosistema, nel rispetto delle pratiche esistenti di governance e sicurezza.

Audit, test e supervisione umana

Sul piano operativo, Kim indica come decisivo mantenere un audit trail chiaro di input e output: senza la possibilità di verificare e mostrare trasparenza ai clienti si perde fiducia. Beaumont aggiunge che la tracciabilità estesa si rivela preziosa nelle operazioni finanziarie, per esempio nel costo di revisione e sintesi di un contratto, e che Turner & Townsend sviluppa test di sistema per verificare gli output, test da rimodellare man mano che l’uso dell’AI matura e la comprensione aumenta.

I panelisti descrivono l’AI come strumento di potenziamento, non di sostituzione: automatizzando le attività ripetitive libera gli ingegneri per il pensiero critico, la valutazione di alternative di progetto e i compiti orientati al giudizio, oltre a gestire modellazioni e simulazioni complesse in tempi più brevi. Restano regole su quando l’AI deve restituire il controllo agli utenti esperti per i task critici, e un monitoraggio continuo delle prestazioni prima che i risultati alimentino i sistemi a valle. “Mantenere gli umani nel loop è davvero importante”, sintetizza Beaumont.

Ecosistemi aperti e nuove competenze

La direzione indicata è quella degli ecosistemi dati aperti: meno affidamento sui flussi di lavoro CAD tradizionali, più strumenti con LLM incorporati come OpenSite+ e Substation+, più digital twin al posto degli elaborati cartacei, con un potenziale AI amplificato dall’accesso a dataset più ampi.

Bentley ha inoltre lanciato la Infrastructure AI Co-Innovation Initiative, aperta ai propri utenti, per far evolvere le API a supporto dei casi d’uso AI ed esplorare nuovi modelli commerciali che riflettano il rapporto tra lavoro guidato dall’AI e lavoro umano; ne fa parte un hackathon dedicato a SYNCHRO+. Sul fronte delle competenze, la richiesta non è trasformare i professionisti del progetto in data scientist, ma renderli più alfabetizzati su dati e AI. E serve, aggiunge Friel, chi sa guidare la collaborazione, capendo perché e come collaborare.

Il quadro che emerge delinea benefici dichiarati su efficienza, produttività e supporto decisionale, subordinati a data readiness, governance, monitoraggio degli output e formazione del personale.