Categoria: Intelligenza artificiale

La rivista scientifica Buildings ha pubblicato nel volume 16 (pag. 3968) un lavoro dal titolo “A Structured Retrieval Augmented Large Language Model Framework for Automated Engineering Technical Bid Evaluation”: un framework basato su large language model integrati con un meccanismo di recupero strutturato delle informazioni, proposto per automatizzare la valutazione tecnica delle offerte (technical bid evaluation) in ambito ingegneristico.

La tecnologia coinvolta

La denominazione del framework individua due componenti:

• un large language model (LLM), modello generativo di intelligenza artificiale basato su reti neurali profonde, addestrato su vasti corpora testuali e in grado di elaborare e produrre linguaggio naturale;
• una componente di retrieval: negli approcci cosiddetti retrieval-augmented, il modello non fa affidamento esclusivo sulle conoscenze acquisite in fase di addestramento, ma riceve in ingresso contenuti pertinenti selezionati da una base di conoscenza esterna, così da ancorare gli output a materiale documentale.

Il titolo qualifica inoltre il recupero come strutturato, a indicare un accesso alle informazioni organizzate secondo strutture definite anziché limitato a testo non strutturato. L’implementazione concreta di questa componente è definita nell’articolo completo.

Il problema affrontato

La valutazione tecnica delle offerte è la fase delle procedure di gara e approvvigionamento in cui i contenuti tecnici presentati dagli offerenti vengono esaminati e confrontati con i requisiti richiesti. Si tratta di un’attività che si sviluppa in larga parte sull’esame di documentazione tecnica, ed è quindi tra i processi candidati all’automazione tramite modelli linguistici. Il framework descritto nella pubblicazione è concepito perché questa valutazione sia condotta in forma automatizzata, come esplicitato nel titolo del lavoro. Per gli operatori coinvolti in gare e approvvigionamenti tecnici, si tratta di un contesto applicativo direttamente riconducibile alla pratica professionale.

Cosa resta da definire

Della pubblicazione sono al momento note la rivista, il volume e la pagina di riferimento. L’architettura di dettaglio del framework, i modelli linguistici adottati, l’organizzazione della base di conoscenza, la metodologia di sperimentazione e i risultati dichiarati dagli autori vanno ricercati nell’articolo completo su Buildings: sulla base dei soli elementi bibliografici non è possibile accertare prestazioni, limiti operativi né condizioni d’uso del sistema proposto.

Buildcheck ha chiuso un round di finanziamento Series A da 12 milioni di dollari per accelerare lo sviluppo della sua piattaforma di “drawing intelligence” basata su AI, orientata agli appaltatori. Lo strumento è progettato per aiutare i team a individuare criticità, comprendere le modifiche e applicare gli standard sui disegni prima che abbiano inizio i lavori in cantiere.

Computer vision sui PDF 2D

La piattaforma converte i playbook QA/QC di un appaltatore in agenti di revisione AI personalizzati, isola le modifiche tra le revisioni dei disegni, identifica criticità di codice (code issues) e segnala opportunità di value engineering.

Il funzionamento si basa sulla computer vision: il software legge i disegni riproducendo il modo di analisi di un revisore, includendo componenti, segmenti, geometrie, quote e relazioni spaziali.Opera a partire da PDF 2D, senza necessità di un modello BIM, di metadati o di esportazioni dedicate. Secondo Buildcheck, questo approccio consente di rilevare ciò che un’AI di tipo testuale non può strutturalmente cogliere, come una tubazione che attraversa una colonna.

Le quattro categorie di controlli

• Salute del disegno: identificazione di tag e quote mancanti, incongruenze nell’indice dei fogli e riferimenti a dettagli interrotti.
• Clash detection in 2D: interferenze tra apparecchiature e controsoffitti, tubazioni che attraversano colonne, bordi di soletta non corrispondenti.
• Omissioni e regole logiche: alimentazione elettrica mancante per le pompe, porte con classe di resistenza al fuoco insufficiente in pareti tagliafuoco, discrepanze tra i quadri elettrici rappresentati in planimetria e lo schema unifilare.
• Controlli incrociati specifica-disegno: segnalazione dei casi in cui il disegno contraddice la specifica scritta o viceversa.

Revisione umana di ogni segnalazione

L’azienda precisa di non applicare l’AI in modo acritico: esperti interni revisionano ogni output prima che raggiunga il cliente, con la doppia funzione di confermare che il problema segnalato sia reale e di attribuirne la gravità. Il co-fondatore e CEO Alexander Michalatos descrive l’approccio come la combinazione della velocità e dell’ampiezza dell’AI con il giudizio di chi ha effettivamente costruito.

Adozione e ambiti d’uso

Tra i clienti della piattaforma figurano DPR Construction, EllisDon, Power Construction, IMC Construction ed EMJ Construction. Il software viene utilizzato su progetti di data center, sanitari, commerciali e residenziali.

Le capacità descritte derivano dalle dichiarazioni dell’azienda, che non riporta dati prestazionali o benchmark indipendenti; il perimetro operativo dichiarato resta la revisione dei disegni in fase pre-cantiere, a partire da PDF 2D e con validazione umana di ogni segnalazione.

vBrief ha riprogettato la propria piattaforma per il settore AEC con un obiettivo dichiarato: impedire che le informazioni di valore di un progetto finiscano disperse “tra caselle di posta e cartelle”. La soluzione trasforma i dati sparsi in una base di conoscenza verificata e tracciabile, pensata per tenere sotto controllo le informazioni critiche lungo l’intero processo di progetto.

Un taccuino di pratica strutturato

Il CEO e cofondatore James Wright-Zhang descrive il software come un “taccuino di pratica moderno”: un luogo dove registrare le informazioni necessarie per gestire un progetto. Rispetto a un taccuino tradizionale, però, i contenuti vengono strutturati in modo digitalmente utilizzabile. La piattaforma aiuta a individuare contraddizioni e duplicati, rende le informazioni facilmente condivisibili all’interno del team e mantiene ogni dato collegato al documento sorgente e alla cronologia delle modifiche.

Acquisizione dei contenuti

I dati possono entrare nella piattaforma in due modi: tramite un connettore Outlook, che acquisisce email e allegati, oppure mediante il caricamento diretto di PDF, documenti, note di riunione, chat e programmazioni.

AI per l’estrazione, verifica umana per il registro

Il sistema utilizza AI per individuare le informazioni chiave in ciascuna sorgente e pre-categorizzarle per la revisione. Il perimetro è tuttavia netto: nulla entra nel “registro attendibile” (trusted record) finché l’utente non ha verificato il contenuto nel suo contesto originale. L’automazione lavora quindi in fase di preparazione ed estrazione, mentre la conferma che legittima un’informazione come parte del registro di progetto resta all’utente.

Viste e documenti di progetto

Una volta inseriti nel registro, i dati possono essere organizzati in forme diverse. I campi flessibili permettono di produrre, ad esempio:

• un brief di progetto sempre aggiornato;
• un registro dei rischi;
• un registro dei suggerimenti;
• un elenco di richieste aperte;
• un registro delle modifiche;
• un elenco di attività;
• un quadro per categorie o zone;
• un registro delle attività (activity log);
• un report di fase.

Una vista a timeline mappa inoltre le relazioni chiave tra le informazioni, aiutando a capire quali elementi sono correnti e come ciascun dato è arrivato nella piattaforma.

Prezzi e condizioni

Il modello di prezzo parte da 15 sterline per utente al mese, quota che copre la revisione AI di 100 pagine. Per i nuovi clienti è previsto un periodo di valutazione di 30 giorni. La limitazione a un numero definito di pagine esaminate dall’AI nel piano base lega il servizio al volume di materiale sottoposto alla pre-categorizzazione, mentre il processo di verifica umana resta condizione necessaria affinché una qualsiasi informazione diventi parte del registro attendibile.

D5 Render 2.10, l’ultima versione del software di rendering in tempo reale orientato al settore AEC, è disponibile con diverse novità: path tracing in tempo reale, strumenti di post-processing basati su AI, un generatore di città con dati OpenStreetMap, una simulazione avanzata del cielo notturno, effetti atmosferici migliorati e il supporto a Nvidia DLSS 4.

Path tracing in tempo reale

Il nuovo sistema di path tracing in tempo reale fornisce illuminazione globale (GI) che, secondo l’azienda, garantisce “efficienza superiore” e consente rendering di “qualità cinematografica” in tempo reale. I risultati di illuminazione istantanei dovrebbero ridurre il ricorso a prove ed errori e limitare la necessità di un post-processing esteso.

La fedeltà visiva è supportata da riflessioni fisicamente accurate, ombre morbide e illuminazione indiretta, con parametri configurabili per precisione della GI, profondità di riflessione, campioni per pixel (SPP) e riduzione del rumore. Una modalità accumulate raffina progressivamente l’output del rendering.

Cielo notturno con Geo Sky Day-Night Cycle

Il nuovo sistema Geo Sky Day-Night Cycle è pensato per semplificare il rendering di scene notturne realistiche, con transizioni “continue” tra illuminazione diurna e notturna. Le opzioni includono:

• Moon & Star Intensity personalizzabile, per una regolazione precisa di luminosità e posizione dei corpi celesti;
• Milky Way Simulation, che aggiunge profondità atmosferica per scene notturne più realistiche;
• impostazioni notturne personalizzate, con controllo su intensità, altitudine e fasi lunari.

Pioggia, neve ed effetti atmosferici

L’aggiornamento potenzia gli effetti di pioggia e neve, con particelle di gocce e fiocchi più dettagliate, effetti migliorati di pozzanghere e increspature per interazioni realistiche con il suolo e una nuova simulazione di nebbia d’acqua che introduce un’atmosfera umida nelle scene piovose.

City Generator con dati GIS

Il nuovo City Generator automatizza la creazione rapida e accurata di layout urbani reali integrando i dati OpenStreetMap (OSM). Sono previste altezze degli edifici, materiali e trasparenza personalizzabili, il supporto all’importazione di file Shapefile (.shp) per la pianificazione urbana basata su GIS e strumenti di City Model Management per modificare agevolmente strade, edifici e layout urbani.

Post-processing con strumenti AI

La versione 2.10 espande le funzionalità basate su AI con nuovi strumenti dedicati alla semplificazione del post-processing, riducendo il ricorso a software di editing di terze parti:

• AI Inpainting: completa automaticamente gli elementi mancanti, come cielo, vegetazione o acqua;
• Motion Blur: aggiunge effetti di moto naturali, incluse scie posteriori realistiche dei veicoli;
• AI Enhancer: migliora la nitidezza di testi e loghi;
• AI Style Transfer: introduce effetti artistici e realistici raffinati;
• AI Make Seamless: ottimizza il tiling dei materiali per texture più uniformi.

Collaborazione e altre novità

Tra le altre funzionalità introdotte figurano un flusso di lavoro ottimizzato per terreno e scatter, finalizzato a paesaggi più veloci da generare e più naturali, e miglioramenti all’animazione per movimenti più fluidi e intuitivi. D5 for Teams aggiunge funzionalità di collaborazione potenziate e integrazione cloud tramite OneDrive e SharePoint per la condivisione dei file di progetto. La libreria di asset è stata ampliata con oltre 240 modelli di hotel e resort, che comprendono personaggi d’affari, vacanzieri e arredi per lobby.

Supporto Nvidia DLSS 4

La release include inoltre il supporto a Nvidia DLSS 4, la generazione di frame basata su AI per le GPU GeForce RTX serie 50, con un incremento degli FPS dichiarato fino a 4x.

HP ha pianificato per maggio 2025 il lancio ufficiale di una funzione di vettorizzazione basata su AI all’interno di HP Build Workspace, la piattaforma di collaborazione orientata al settore AEC presentata a settembre 2024. Secondo HP, si tratterà della prima soluzione a utilizzare l’AI per convertire immagini raster in documenti modificabili in CAD, con un risparmio dichiarato di ore di lavoro manuale per ogni disegno.

Dal raster a file CAD editabili

La funzione prende in ingresso immagini raster, tipicamente derivanti da scansioni o disegni cartacei, e le converte in documenti CAD modificabili. Il sistema è in grado di rilevare linee, polilinee, archi e testo. Il testo estratto viene indicizzato: una volta completata l’indicizzazione, gli utenti possono effettuare ricerche su quei dati, rendendo i documenti convertiti interrogabili anche in base ai contenuti scritti e non solo come geometrie.

Correzione degli errori di conversione

Il servizio di conversione include un editor semplice, pensato per intervenire sulle imprecisioni che possono emergere dal processo. In particolare consente di:

• modificare le linee convertite erroneamente da tratteggiate in continue;
• collegare linee che avrebbero dovuto risultare agganciate tra loro;
• pulire, rimuovere o aggiungere elementi.

La presenza di questi strumenti di post-correzione indica che la conversione richiede comunque una fase di verifica e rifinitura da parte dell’utente, soprattutto su disegni complessi o di qualità scadente.

Integrazione con HP DesignJet

HP Build Workspace sarà integrato più strettamente con la famiglia HP DesignJet di stampanti e scanner di grande formato. La connettività estesa permetterà, tra le altre funzionalità, di scansionare i documenti direttamente nella piattaforma per sottoporli alla vettorizzazione basata su AI. HP indica come obiettivo quello di migliorare comunicazione e collaborazione oltre i flussi di lavoro tradizionalmente basati sulla carta.

SitePrint: misura della planarità e correzioni direttamente in cantiere

Sempre per maggio 2025 HP ha annunciato il lancio del Flatness Measurement Service per HP SitePrint, il robot autonomo a tre ruote che stampa planimetrie 2D direttamente sui pavimenti dei cantieri.

Il nuovo servizio permetterà di misurare la planarità del pavimento e di stampare le correzioni di quota direttamente a terra. HP dichiara che questa modalità elimina la necessità di elaborare esternamente i dati di quota e planarità, un’operazione tradizionalmente svolta in back office prima che i risultati venissero comunicati alle squadre operative in campo.

L’obiettivo dichiarato è consolidare quattro passaggi manuali in un unico flusso di lavoro:

1. segnare le informazioni sul pavimento;
2. acquisire i dati di quota;
3. elaborare i dati;
4. riportare i dettagli di quota nella posizione corretta.

Le due novità condividono la stessa direzione: ridurre il lavoro manuale di trasferimento delle informazioni tra carta, ufficio tecnico e cantiere, sia in fase di digitalizzazione dei disegni esistenti sia nel ciclo di rilievo e correzione delle quote in campo. I tempi indicati da HP per entrambe le funzioni coincidono con maggio 2025.

Twinmotion 2025.1.1, l’ultima versione del software di rendering in tempo reale di Epic Games, introduce il supporto a Nvidia DLSS 4, una suite di tecnologie di neural rendering che si avvale dell’AI per aumentare le prestazioni 3D. Secondo quanto mostrato da Epic Games, con DLSS 4 attivo Twinmotion genera quasi il quadruplo dei frame al secondo (FPS) rispetto alla configurazione con DLSS disattivato.

Da Single a Multi Frame Generation

DLSS 4 si fonda su Multi Frame Generation, un’evoluzione della Single Frame Generation introdotta con DLSS 3. Quest’ultima utilizza i Tensor core AI delle GPU Nvidia per interpolare un frame sintetico tra ogni coppia di frame renderizzati con il percorso tradizionale: il numero di frame che la GPU deve calcolare effettivamente si riduce e, di conseguenza, migliorano le prestazioni.

Multi Frame Generation estende questo schema: l’AI genera fino a tre frame aggiuntivi tra ogni coppia di frame renderizzati, con un ulteriore aumento della frequenza di frame. La tecnologia è però vincolata all’hardware più recente: è disponibile solo sulle nuove GPU RTX di Nvidia basate sull’architettura Blackwell, progettate specificamente per supportare meglio il neural rendering.

Le tecnologie DLSS combinate

Multi Frame Generation può operare insieme alle altre componenti di DLSS 4. Super Resolution usa l’AI per effettuare l’upscaling di un frame a bassa risoluzione verso una risoluzione più alta, mentre Ray Reconstruction impiega l’AI per generare dati pixel aggiuntivi nelle scene con ray tracing.

Secondo i dati resi noti da Nvidia, quando tutte le tecnologie DLSS sono attive contemporaneamente 15 pixel su 16 di un frame possono essere generati dall’AI. Questo riduce in modo significativo la richiesta computazionale del rendering tradizionale e aumenta le prestazioni complessive.

Le altre novità della versione

Oltre al supporto a DLSS 4, la release 2025.1.1 porta due aggiornamenti funzionali:

• Il materiale 3D Grass consente di trascinare cinque tipi di materiale erboso su qualsiasi superficie della scena.
• La funzionalità Configurations, introdotta in Twinmotion 2025.1 per costruire presentazioni 3D interattive che mostrano varianti diverse di uno stesso progetto, è stata potenziata: i configuratori possono ora essere esportati su Twinmotion Cloud per una condivisione più semplice, e una mesh può essere usata come trigger d’interazione, ad esempio il clic sulla maniglia di una porta per aprirla.

Sul piano operativo, il beneficio dichiarato in termini di FPS è legato a due condizioni precise: il confronto “quasi 4x” si riferisce a Twinmotion con DLSS 4 attivo rispetto a DLSS disattivato, mentre la generazione di frame multipli richiede GPU RTX basate su Blackwell, restringendo quindi il bacino di hardware su cui le massime prestazioni sono raggiungibili.

Volve, piattaforma di intelligenza artificiale per le attività di gara e pre-costruzione, ha introdotto un livello di orchestrazione pensato per automatizzare attività più complesse a cavallo tra calcoli, stima e interpretazione di disegni e modelli BIM. L’obiettivo dichiarato è permettere alle imprese di confrontare più facilmente le informazioni contenute in capitolati, elaborati grafici e modelli, riducendo il lavoro manuale oggi necessario per incrociare queste fonti.

Come funziona

Le nuove funzionalità consentono di assegnare al sistema un compito in linguaggio naturale: l’esempio riportato è la richiesta di “verificare che le quantità indicate nel capitolato corrispondano ai disegni e al modello IFC”. A partire dalla richiesta, la piattaforma determina i passi necessari, esegue i controlli su una gara e verifica i risultati prima di restituirne gli esiti, associando a ciascun riscontro la fonte da cui deriva.

L’orchestrazione si innesta sulla struttura a grafo di progetto già presente nell’architettura del prodotto. “Abbiamo sempre costruito verso un’AI che assiste le attività di competenza nella fase di gara – dichiara Herman B. Smith, cofondatore e CEO di Volve -. Ciò che è cambiato è l’architettura e, con essa, la velocità. Con l’orchestrazione sopra la struttura a grafo di progetto che avevamo già, stiamo vedendo possibilità completamente nuove, prima di quanto avevamo previsto.”

Il problema affrontato

Secondo Volve, individuare le discrepanze tra capitolati, disegni e modelli BIM richiede oggi che una persona esamini manualmente ciascuna fonte. Il nuovo livello di orchestrazione porta questi controlli all’interno del processo di gara e stima: le incoerenze possono potenzialmente emergere mentre la stima è ancora in fase di sviluppo, anziché essere rilevate in un momento successivo del flusso di lavoro.

Applicazioni nel processo di offerta

Oltre alla verifica di coerenza tra documenti, la piattaforma può supportare decisioni come la scelta di presentare o meno un’offerta, la determinazione del prezzo dei lavori e l’accettazione dei rischi. Il perimetro operativo dichiarato resta per ora circoscritto: il primo caso d’uso citato è il confronto tra quantità, disegni e specifiche tecniche, che Smith definisce “un primo caso. Non sarà l’ultimo”, senza tuttavia dettagliare una roadmap.

Limiti dell’annuncio

Le capacità descritte, dalla determinazione dei passi necessari alla verifica dei risultati con indicazione della fonte, sono dichiarate dal fornitore. L’annuncio non riporta benchmark, tempi di elaborazione né indicatori di precisione relativi ai controlli automatizzati, né casi d’uso documentati presso clienti.

Autodesk ha annunciato un’espansione della piattaforma Forma costruita su tre direttrici: l’integrazione di Civil 3D, nuove funzionalità per Revit e l’introduzione di strumenti di intelligenza artificiale per la progettazione. L’obiettivo dichiarato è collegare progettazione, coordinamento, pre-costruzione e attività di cantiere in un unico ambiente digitale, riducendo la frammentazione delle informazioni lungo l’intero percorso del progetto.

Alla base dell’iniziativa c’è un concetto che Autodesk indica come ricorrente nel confronto con i propri clienti: ogni progetto edilizio è, a tutti gli effetti, anche un progetto di ingegneria civile. Strade, reti di servizi, caratteristiche del terreno e condizioni del sottosuolo determinano le scelte progettuali e la realizzazione delle opere. Portare queste informazioni nelle prime fasi consente di valutare un numero maggiore di soluzioni e riduce il rischio di modifiche onerose nelle fasi successive.

Civil 3D diventa Forma Connected Client

La novità principale riguarda Civil 3D, che assumerà il ruolo di Forma Connected Client, con un’interoperabilità basata su riferimenti condivisi con Forma e Revit. L’obiettivo è far lavorare progettisti, architetti e ingegneri civili su un contesto progettuale comune.

Nella pratica, i dati di Civil 3D potranno essere importati in Forma come base per le attività di pianificazione e progettazione edilizia, mentre gli ingegneri civili manterranno i flussi di lavoro specialistici già consolidati. L’approccio punta a garantire maggiore continuità delle informazioni e a limitare la necessità di ricostruire i dati man mano che il progetto avanza.

Forma Street Design per la progettazione stradale urbana

Tra le novità annunciate figura Forma Street Design, una soluzione destinata agli ingegneri civili e ai progettisti dei trasporti per supportare la progettazione delle strade urbane nelle fasi preliminari. La piattaforma consente di analizzare diverse configurazioni delle corsie e degli incroci direttamente nel contesto reale, lavorando contemporaneamente su planimetrie e sezioni bidimensionali. Gli strumenti di vehicle tracking permettono inoltre di simulare le manovre dei veicoli, così da valutare le soluzioni progettuali in modo più approfondito.

Un elemento distintivo è la possibilità di esplorare e modificare le proposte in tempo reale insieme agli stakeholder. Una volta definito il progetto, i dati possono essere trasferiti direttamente in Civil 3D per le attività di ingegneria di dettaglio, senza dover ripetere il lavoro già svolto in fase preliminare.

Geolocalizzazione unificata e dati geospaziali

Il percorso di integrazione prevede anche l’introduzione di un motore di geolocalizzazione unificato e di flussi di lavoro condivisi tra Forma, Revit e Civil 3D. Questa evoluzione dovrebbe semplificare la gestione delle informazioni geografiche, riducendo le trasformazioni manuali e i problemi di disallineamento tra i modelli.

Autodesk punta inoltre a rafforzare le integrazioni con GeoDin e GroundIQ di Fugro e con ArcGIS di Esri, con l’obiettivo di portare informazioni geospaziali e dati relativi al sottosuolo direttamente negli strumenti utilizzati dai team di progettazione e collaborazione. La disponibilità di queste informazioni sin dalle prime fasi consente una conoscenza più approfondita delle condizioni ambientali e territoriali, una condivisione più ampia dei dati e una riduzione delle incertezze che possono emergere durante la progettazione.

Intelligenza artificiale e automazione in Forma Site Design

Sul fronte edilizio, Autodesk prevede di ampliare le funzionalità di Forma Site Design con Autodesk Assistant, in grado di rispondere a domande formulate in linguaggio naturale sulle caratteristiche di un sito. Accanto all’assistente arriverà Building Layout Explorer, uno strumento per generare e confrontare diverse configurazioni planimetriche di edifici residenziali plurifamiliari, tenendo conto della distribuzione delle unità immobiliari richiesta dal cliente.

Il lavoro potrà poi proseguire all’interno di Forma Building Design e Revit, mantenendo una maggiore continuità delle informazioni tra le diverse fasi della progettazione.

Le due funzionalità si inseriscono nella strategia di Autodesk orientata al progettazione basata sui risultati (outcome-based design): obiettivi e requisiti diventano il punto di partenza per esplorare e confrontare più alternative progettuali, anche attraverso strumenti di automazione. L’approccio mira a spostare una parte significativa del processo decisionale verso le fasi iniziali, quando la possibilità di valutare scenari differenti ha un impatto maggiore sulle scelte successive.

Con questa espansione Autodesk delinea un perimetro preciso: interoperabilità tra Civil 3D, Forma e Revit attraverso riferimenti condivisi, dati geospaziali e relativi al sottosuolo integrati nei flussi di lavoro, e strumenti di AI e automazione applicati alle fasi preliminari della progettazione edilizia e infrastrutturale.

L’infrastruttura di calcolo necessaria a supportare l’AI nei flussi di lavoro AEC è stata al centro di un panel tenutosi a NXT DEV, la conferenza organizzata da AEC Magazine. Il punto di partenza della discussione: mentre l’intelligenza artificiale trasforma rapidamente i processi del settore, gli studi devono decidere come scalare le proprie risorse computazionali, bilanciando desktop, workstation mobili, datacenter e cloud.

Il panel, moderato da Greg Corke, cofondatore di AEC Magazine, ha raccolto esperti di grandi studi di architettura e di alcuni dei principali fornitori di tecnologia: Greg Schleusner (HOK), Nick Cameron (Perkins & Will), Jeff Mottle (Nvidia), Owen Welsh (Intel) e Chris Ruffo (Lenovo).

HOK e Perkins & Will: sperimentazione sotto controllo

Schleusner e Cameron hanno descritto come i rispettivi studi stiano iniziando ad affrontare il training e l’inferenza di AI. In entrambi i casi non è stata presentata una strategia consolidata, ma un approccio pragmatico ed esplorativo: i progettisti possono sperimentare strumenti di AI in locale, mentre le risorse computazionali vengono gestite con attenzione.

Le posizioni dei fornitori di tecnologia

Mottle ha delineato un panorama in evoluzione sotto il profilo della distribuzione del calcolo: la maggior parte delle startup software del settore nasce cloud-first, mentre gli ISV più grandi stanno sviluppando approcci ibridi.

Welsh ha messo l’accento sulla democratizzazione dell’AI tramite NPU (Neural Processing Unit) integrate, con un doppio obiettivo dichiarato: migliorare le performance per watt e rendere le funzionalità di AI accessibili su diverse piattaforme hardware.

Ruffo ha infine sottolineato il ruolo di workstation flessibili e aggiornabili, in grado di adattarsi a richieste computazionali che cambiano rapidamente, in particolare man mano che i workload di AI aumentano di complessità.

Implicazioni per gli studi di progettazione

La discussione conferma che la domanda di calcolo nel settore non è più riconducibile a una sola piattaforma. La sperimentazione locale con strumenti di AI, praticata da HOK e Perkins & Will, coesiste con software che nasce cloud-first e con approcci ibridi in sviluppo presso gli ISV consolidati. Per gli studi questo significa valutare il mix tra desktop, mobile, datacenter e cloud in relazione ai carichi di training e inferenza, i cui requisiti evolvono rapidamente. Il focus di Intel su performance per watt introduce inoltre il tema dell’efficienza energetica nella scelta dell’hardware dedicato all’AI.

Un dibattito ancora in fase esplorativa

Nel panel non sono stati riportati benchmark, dati quantitativi né risultati di progetti specifici: le posizioni espresse restano a livello di orientamenti strategici. Anche gli studi di grandi dimensioni si trovano in una fase iniziale, in un territorio tecnologico descritto come inesplorato: il training e l’inferenza sono oggetto di sperimentazione, non di deploy strutturato. Le dichiarazioni di Nvidia, Intel e Lenovo vanno inoltre riferite ai rispettivi speaker e non costituiscono valutazioni indipendenti sulle soluzioni citate.

La registrazione integrale del panel è disponibile sul sito video di AEC Magazine.

Vectorworks ha rilasciato l’Update 5 di Vectorworks 2025, ultima versione del software CAD e BIM dell’azienda, che introduce in anteprima AI Assistant, un assistente integrato basato su intelligenza artificiale. Lo strumento è concepito per fornire risposte immediate alle domande degli utenti sull’uso del software, con l’obiettivo dichiarato di accelerare l’apprendimento delle funzionalità e sostenere la produttività nel lavoro quotidiano.

Accesso e funzionamento dichiarato

L’AI Assistant (Preview) è raggiungibile dal menu Help e dalla schermata iniziale (Home Screen) di Vectorworks. Secondo la descrizione del produttore, l’assistente restituisce risposte rapide e consapevoli del contesto, con due ambiti d’uso principali: l’apprendimento di nuove funzionalità e la ricerca di indicazioni operative durante la sessione di lavoro. Il perimetro è quindi quello del supporto all’uso del software: nel materiale di presentazione non sono annunciate funzioni di generazione o di calcolo.

Le dichiarazioni di Vectorworks

Vlado Stanev, vice presidente product management di Vectorworks, definisce l’AI Assistant (Preview) “un partner nell’apprendimento e nella produttività” e un “avanzamento significativo dell’esperienza Vectorworks”: “È uno strumento intelligente progettato per incontrare i progettisti al loro livello, siano essi nuovi al software o professionisti esperti”, dichiara Stanev, aggiungendo che “questo è solo l’inizio della nostra visione su come l’AI possa supportare i nostri utenti”.

Prima fase di un’integrazione più ampia

L’anteprima costituisce la prima fase del programma di integrazione dell’AI annunciato da Vectorworks e pone le basi per un’integrazione più profonda dell’intelligenza artificiale nell’intera piattaforma. Tra gli sviluppi previsti figura l’impiego del Nemetschek AI Layer per erogare soluzioni più intelligenti, efficienti e adattive, orientate alle esigenze in evoluzione dei progettisti e ai loro flussi di lavoro specifici. Non sono state comunicate tempistiche per le fasi successive.

Rilevanza per l’uso professionale

Per chi impiega Vectorworks nei flussi di lavoro CAD e BIM, l’assistente si colloca nella sfera della documentazione e del supporto operativo: risposta a dubbi d’uso senza uscire dall’ambiente di lavoro, guida alla scoperta delle funzioni introdotte dagli aggiornamenti e, nell’intento dichiarato, riduzione dei tempi di ricerca nelle risorse di aiuto. L’utilità concreta dipenderà dalla qualità effettiva delle risposte, che il produttore qualifica come “istantanee e accurate”: una definizione non accompagnata, nel materiale diffuso, da risultati di verifiche indipendenti.

Cosa resta da definire

• La funzione è distribuita in stato di anteprima (Preview) con l’Update 5 di Vectorworks 2025.
• Non sono stati resi pubblici dettagli sul modello o sull’architettura che alimenta l’assistente.
• Gli sviluppi annunciati, legati al Nemetschek AI Layer, non hanno al momento una data di rilascio.

La disponibilità è immediata per gli utenti di Vectorworks 2025 con l’Update 5; l’effettiva portata dell’integrazione AI nella piattaforma sarà definita dagli sviluppi annunciati ma non ancora programmati.