Dall’AI Act ai sistemi agentici, fino al gemello cognitivo: come cambiano progettazione, competenze e responsabilità dell’ingegnere
Il Congresso Nazionale degli Ingegneri di Trieste ha offerto uno sguardo molto concreto sulla trasformazione dell’ingegneria nell’era dell’IA: dall’evoluzione dei modelli e delle simulazioni alla gestione del rischio prevista dall’AI Act, dai sistemi agentici alle nuove architetture di controllo, fino all’evoluzione del BIM verso il gemello cognitivo. Una trasformazione che non riduce il ruolo dell’ingegnere, ma ne amplia competenze e responsabilità.
Dai modelli fisici ai modelli che apprendono dai dati
Modelli e simulazioni appartengono da sempre al patrimonio dell’ingegneria. Il professionista descrive fenomeni, costruisce rappresentazioni matematiche, simula il comportamento dei sistemi e verifica scenari prima di intervenire sulla realtà.
L’Intelligenza Artificiale introduce però un paradigma ulteriore: accanto ai modelli costruiti a partire dalla conoscenza fisica del fenomeno compaiono sistemi capaci di apprendere direttamente dai dati, individuare correlazioni, classificare informazioni e formulare previsioni.
Il percorso che ci ha portato fin qui è stato rapido: dalla nascita formale dell’IA negli anni Cinquanta, all’affermazione del machine learning nei primi anni Duemila, alla svolta del deep learning nel 2012, fino alla diffusione di massa dell’IA generativa dal 2022. È soprattutto quest’ultimo passaggio ad avere portato l’IA fuori dai laboratori, rendendola uno strumento quotidiano per professionisti, imprese e cittadini.
L’IA non riduce il ruolo dell’ingegnere: lo amplia
Una delle indicazioni più interessanti emerse a Trieste è che l’IA non sembra portare a una progressiva marginalizzazione dell’ingegnere. Al contrario, ne amplia il campo di azione.
Alla competenza tecnica tradizionale si affiancano nuovi compiti: comprendere i sistemi di IA, valutarne l’affidabilità, governarne l’integrazione nei processi, gestire i rischi, verificare i risultati e definire adeguati meccanismi di controllo.
La questione diventa particolarmente rilevante per l’ingegneria dell’informazione, ma non si limita ad essa. L’IA sta entrando nella progettazione, nell’industria, nelle infrastrutture, nell’energia, nelle costruzioni e nella gestione del patrimonio. La capacità tipicamente ingegneristica di strutturare problemi complessi diventa quindi ancora più preziosa.
AI Act: dalla conformità alla gestione continua del rischio
Il quadro europeo introduce un cambio importante di prospettiva. L’AI Act non deve essere letto soltanto come un insieme di adempimenti, ma come un sistema di gestione del rischio che accompagna l’intero ciclo di vita delle applicazioni di Intelligenza Artificiale.
Il risk management non termina con la progettazione o con l’immissione sul mercato: è un processo continuo e dinamico.
In questo scenario l’ingegnere può avere un ruolo determinante dalla progettazione alla validazione, fino alla governance e al monitoraggio dei sistemi. L’obiettivo non è frenare l’innovazione, ma costruire condizioni tecniche e organizzative che consentano di utilizzarla in modo appropriato, affidabile e sicuro.
A questo piano regolatorio si affianca quello etico, richiamato anche attraverso la Rome Call for AI Ethics: trasparenza, responsabilità, sicurezza e centralità della persona devono diventare caratteristiche della progettazione, non semplici dichiarazioni di principio.
Dall’automazione ai sistemi agentici
La frontiera più interessante – e al tempo stesso più delicata – è rappresentata dai sistemi agentici.
Un sistema tradizionale di IA risponde a una richiesta o svolge un compito circoscritto. Un agente può invece ricevere un obiettivo, scegliere autonomamente una sequenza di azioni, utilizzare strumenti differenti, verificare i risultati intermedi e modificare il proprio comportamento per raggiungere lo scopo.
Il salto è sostanziale: dall’automazione di singole attività si passa alla possibile orchestrazione automatica di interi processi.
Le potenzialità sono enormi. Nel dibattito sono stati richiamati esempi nei quali l’IA accelera attività progettuali molto onerose e casi in cui risultati generati dall’IA vengono trasformati in linguaggi formali e sottoposti automaticamente a verifica. L’elemento decisivo è proprio quest’ultimo: non soltanto generare un risultato, ma costruire un processo nel quale esso possa essere controllato.
Quando l’agente trova una strada che non avevamo previsto
Maggiore autonomia significa però maggiore necessità di controllo.
Nel Congresso sono stati richiamati esperimenti con agenti di frontiera nei quali il sistema, nel tentativo di raggiungere l’obiettivo assegnato, ha individuato percorsi operativi non previsti e incompatibili con i vincoli attesi.
Il punto non è attribuire alla macchina intenzioni umane. È comprendere che un sistema ottimizzato per raggiungere un obiettivo può individuare strategie radicalmente diverse da quelle che un progettista aveva immaginato.
Delegare un processo complesso senza progettare contemporaneamente limiti, verifiche, autorizzazioni e meccanismi di arresto può quindi diventare pericoloso. La nuova sfida ingegneristica consiste nel costruire architetture di orchestrazione nelle quali gli agenti operino entro confini chiaramente definiti, con monitoraggio e supervisione umana.
Automazione controllata: un nuovo spazio per l’ingegneria
L’automazione dei processi complessi appare destinata a crescere. La risposta non può essere semplicemente rifiutarla, ma ingegnerizzarla.
Questo significa progettare livelli di controllo, definire ciò che il sistema può e non può fare, stabilire quando deve richiedere un’autorizzazione umana, registrare le azioni compiute e predisporre strumenti di verifica.
È probabile che molte applicazioni evolvano verso sistemi specializzati in domini circoscritti, nei quali sia possibile definire con maggiore precisione regole, contesto operativo e barriere.
Si apre quindi un campo enorme per professionisti, ricerca e imprese: progettare non soltanto applicazioni di IA, ma sistemi affidabili per governare altre IA.
Il futuro del lavoro: dall’esecuzione alla supervisione esperta
Con l’aumento delle capacità dell’IA cambia inevitabilmente anche il ruolo delle persone.
Molte attività esecutive potranno essere progressivamente delegate alle macchine, mentre crescerà il valore della supervisione: comprendere il processo, valutare criticamente l’output, riconoscere anomalie e assumersi la responsabilità della decisione finale.
Ma proprio qui nasce un paradosso formativo. Per diventare un buon supervisore occorre avere esperienza del processo che si deve controllare. Se le attività più operative vengono affidate fin dall’inizio all’IA, come potranno i nuovi professionisti maturare quell’esperienza?
È una domanda che riguarda direttamente università, Ordini professionali e imprese. La formazione non potrà limitarsi a insegnare come utilizzare gli strumenti di IA: dovrà continuare a costruire solide competenze di base e, contemporaneamente, creare nuove occasioni di esperienza pratica e di apprendimento sul campo.
AI literacy: una competenza trasversale
L’alfabetizzazione all’Intelligenza Artificiale diventa quindi una priorità multilivello.
Nella scuola significa imparare a utilizzare le tecnologie in modo consapevole. Nell’università significa integrare l’IA senza sacrificare la comprensione dei fondamenti. Nelle aziende significa formare le persone anche sui rischi operativi: uso improprio degli strumenti, trattamento dei dati, sicurezza delle informazioni e affidabilità dei risultati.
Per gli ingegneri la AI literacy deve andare ancora oltre: significa conoscere potenzialità e limiti dei sistemi abbastanza bene da poter assumere decisioni professionali consapevoli.
Dalle costruzioni digitali al gemello cognitivo
Uno degli esempi più concreti presentati a Trieste riguarda il settore delle costruzioni.
Il BIM ha rappresentato un passaggio fondamentale dalla documentazione tradizionale a un modello informativo digitale dell’edificio. L’integrazione con sensori e sistemi di Building Management consente poi di trasformare il modello in un gemello digitale dinamico, alimentato dai dati reali dell’edificio.
Ma avere dati in tempo reale non significa automaticamente gestire meglio un edificio. Se l’interpretazione rimane completamente manuale, la digitalizzazione rischia di limitarsi a mostrare una quantità crescente di informazioni.
Il passaggio successivo è il gemello cognitivo: un sistema nel quale l’IA non si limita a rappresentare ciò che sta accadendo, ma analizza i dati, identifica condizioni significative e suggerisce al professionista possibili azioni.
Lo Smart Readiness Indicator come strumento progettuale
L’esperienza presentata da Area Science Park offre un esempio particolarmente interessante di questa evoluzione.
Lo Smart Readiness Indicator (SRI), invece di essere utilizzato soltanto come misura finale della “prontezza intelligente” di un edificio, può diventare un vero driver di progettazione.
Si può partire dal livello di smart readiness che si vuole raggiungere e individuare gli interventi più efficaci per ottenerlo. Nel caso sperimentale richiamato durante il Congresso, interventi concentrati soprattutto sugli aspetti digitali – sensori e coordinamento dei sistemi – hanno consentito di aumentare in modo molto significativo il valore SRI di un edificio esistente.
È un cambio di prospettiva: il digitale non viene aggiunto alla fine del progetto, ma diventa uno dei criteri con cui il progetto viene concepito.
Dal Congresso di Trieste al lavoro della Commissione
Questi temi rappresentano esattamente uno degli ambiti sui quali la Commissione Innovazione & Trasformazione Digitale dell’Ordine degli Ingegneri della Provincia di Bologna può costruire il proprio lavoro.
L’obiettivo è andare oltre la semplice divulgazione sull’Intelligenza Artificiale e creare occasioni nelle quali gli ingegneri possano comprendere, provare e valutare concretamente le nuove tecnologie: sistemi generativi e agentici, automazione dei processi, strumenti di verifica, digital twin, applicazioni verticali e nuovi modelli di governance.
La Commissione vuole essere anche un luogo di sperimentazione, nel quale mettere a confronto competenze provenienti dall’informatica, dall’elettronica, dall’ingegneria gestionale, civile, industriale e dalle altre specializzazioni.
La collaborazione con la Commissione Innovazione & Industria e con le altre Commissioni dell’Ordine potrà consentire di collegare la conoscenza delle tecnologie ai problemi reali dei diversi settori, costruendo un polo dell’innovazione trasversale e orientato al futuro.
La tecnologia cambia. Il metodo dell’ingegnere resta centrale
Dai sistemi agentici al gemello cognitivo, il denominatore comune è la crescente capacità delle tecnologie di agire autonomamente sui processi.
Più questa capacità aumenta, più diventano importanti progettazione, verifica, controllo, gestione del rischio e responsabilità.
È qui che il metodo dell’ingegnere conserva – e probabilmente rafforza – la propria centralità: scomporre la complessità, definire requisiti e vincoli, misurare, verificare, prevedere modalità di guasto e costruire sistemi affidabili.
La vera domanda, quindi, non è se l’Intelligenza Artificiale sostituirà l’ingegnere. È come dovrà evolvere l’ingegnere per progettare, governare e supervisionare sistemi sempre più autonomi.
È una sfida tecnologica, professionale e formativa. Ed è una sfida sulla quale gli Ordini e le Commissioni dedicate all’innovazione possono contribuire concretamente, creando cultura, competenze e occasioni di sperimentazione condivisa.
Ing. Marco Schonhaut
Consigliere – Ordine degli Ingegneri della Provincia di Bologna
Referente Commissione Innovazione & Trasformazione Digitale
Nota editoriale
Articolo elaborato a partire dai contenuti del panel del Congresso Nazionale degli Ingegneri di Trieste dedicato a modelli e simulazioni, evoluzione dell’Intelligenza Artificiale, AI Act, sistemi agentici e applicazioni nel settore delle costruzioni.