Giudizio tecnico vs automazione: il vero nodo dell’intelligenza artificiale nella progettazione strutturale
Il dibattito sull’integrazione dell’intelligenza artificiale nella pratica dell’ingegneria strutturale si è finora concentrato prevalentemente sulla riorganizzazione del lavoro attorno a processi di automazione, ottimizzazione dei flussi operativi e scomposizione dei compiti in attività discretizzabili. Calcolo dei carichi, verifica dei collegamenti, controllo di conformità normativa: sono tutte attività già strutturate e quindi facilmente affidabili a flussi di lavoro assistiti da AI. A restare in ombra è invece la domanda più profonda: cosa accade al giudizio professionale quando la pratica viene ridefinita in questi termini?
La riflessione proposta da David O. Prevatt, docente di ingegneria civile e costiera all’Università della Florida, muove proprio da qui. L’articolo, sviluppato con il supporto di un modello linguistico di grandi dimensioni, esplora la tensione tra l’efficienza degli strumenti automatici e la formazione del giudizio tecnico nei giovani ingegneri. Una tensione che, secondo l’autore, rischia di acuirsi man mano che la professione si allontana da un modello basato sull’esperienza continuativa verso uno organizzato per task discreti, conformità procedurali e metriche di produttività.
La parabola del giudizio ingegneristico: da capacità centrale a competenza implicita
Negli ultimi decenni, l’ingegneria strutturale si è strutturata attorno a conformità normativa, verifica e gestione della responsabilità civile. Codici, standard e software hanno prodotto indubbi miglioramenti in termini di sicurezza e affidabilità. Tuttavia, questi stessi strumenti hanno progressivamente ristretto lo spazio in cui il giudizio professionale può esercitarsi. Gli ingegneri vengono premiati per la correttezza procedurale, non per la capacità di decidere in condizioni di incertezza sulla base di un’esperienza consolidata.
Un webinar NCSEA dedicato al giudizio strutturale in situazioni di risposta d’urgenza a cedimenti localizzati evidenzia un paradosso: ci si aspetta che l’ingegnere strutturale assuma decisioni rapide e cruciali sotto incertezza nei momenti di crisi, mentre la pratica quotidiana viene sempre più frammentata in moduli operativi, flussi di lavoro scomposti e metriche di conformità. La professione rivendica il giudizio a parole, ma riduce le occasioni per svilupparlo nei fatti.
La frammentazione del lavoro e la perdita di apprendimento cumulativo
Il giudizio ingegneristico si forma attraverso la continuità della pratica, la responsabilità diretta sugli esiti e il confronto ripetuto con l’incertezza in contesti reali. Significa seguire un progetto dalla concezione alla costruzione, osservare come le strutture invecchiano, come si comportano i sistemi in condizioni che si discostano dalle ipotesi di progetto.
Quando il lavoro viene frammentato, esternalizzato o automatizzato, queste condizioni si indeboliscono. I compiti e le conoscenze associate vengono scomposti e redistribuiti. L’ingegnere alle prime armi perde la possibilità di seguire un problema dall’inizio alla fine. L’impresa trattiene gli output simbolici, elaborati, calcoli e relazioni, mentre i singoli professionisti perdono la capacità di apprendimento cumulativo. Sul breve termine, le performance aziendali possono apparire adeguate. Sul lungo termine, la profondità della comprensione tecnica si erode silenziosamente.
La conoscenza che non si accumula: il caso delle infrastrutture residenziali
La dinamica è visibile nei settori in cui le prestazioni si misurano su decenni. Le infrastrutture residenziali esposte a rischi naturali ne sono un esempio. Dopo il tornado di Lubbock, Texas, del 1970, le ricerche guidate dal professor Kishor Mehta avevano identificato soluzioni progettuali per migliorare le prestazioni degli edifici residenziali sotto venti estremi. Decenni di studi successivi ne hanno confermato l’efficacia.
Eppure, questi approcci non sono mai stati incorporati sistematicamente nei codici edilizi modello né nella pratica costruttiva standard. I quartieri continuano a essere edificati con vulnerabilità simili, producendo danni catastrofici che si ripetono a ogni evento. La conoscenza utile a ridurre le perdite non si accumula attraverso la pratica.
La frattura tra ricerca accademica e pratica professionale rende più visibile questo schema. I ricercatori analizzano i danni ripetuti su scala temporale ampia. I professionisti operano sul singolo progetto, entro codici e strutture di responsabilità definiti. Nessuna delle due prospettive è insufficiente, ma il divario può oscurare problemi che si manifestano solo su orizzonti lunghi.
Il ruolo dell’AI e la responsabilità della professione
Le conversazioni informali con ingegneri senior indicano una preoccupazione condivisa. L’AI viene vista come uno strumento, al pari del regolo calcolatore, della calcolatrice o del software agli elementi finiti. Ma l’avvertenza è netta: non deve sostituire il giudizio indipendente. La domanda di fondo è: se l’ingegneria si riduce a conformità procedurale e output mediati dall’AI, cosa distingue il valore dell’ingegnere dagli strumenti stessi?
La questione riguarda anche la formazione. Se l’istruzione e la pratica iniziale premiano la correttezza procedurale anziché il giudizio in condizioni di incertezza, le condizioni per sviluppare quel giudizio si indeboliscono. Il nodo non è solo come si applica il giudizio, ma come si coltiva e si trasmette tra generazioni. Questo pone un accento rinnovato su come gli studi professionali strutturano la formazione iniziale, il mentoring, la responsabilità e la continuità dell’impegno sui progetti.
L’ingegneria strutturale si organizza sempre più attorno a efficienza e conformità. La ricerca sviluppa strumenti che accelerano questa trasformazione. Entrambe le tendenze rispondono razionalmente agli incentivi esistenti. L’effetto combinato, tuttavia, è una professione che rischia di indebolire le condizioni in cui si sviluppa il giudizio ingegneristico, proprio mentre continua a portare la responsabilità della sicurezza e della fiducia pubblica. L’AI può estendere la portata analitica, ma la formazione e la preservazione del giudizio professionale restano responsabilità umane.
Lascia un commento