IA e Architettura

IA e Architettura

Il punto ad agosto 2026: non su cosa l'intelligenza artificiale promette di fare, ma su cosa ha già cambiato nel modo in cui si progetta.

arch. Mauro Mazzarelli

Il dibattito sull'intelligenza artificiale in architettura è partito dalla domanda sbagliata. Per tre anni si è discusso se l'IA sostituirà l'architetto, che è una discussione inutile: nessun modello firma una tavola, nessun modello risponde di un errore di progettazione, nessun modello si siede davanti a un committente a spiegare perché il soggiorno è tre metri quadri più piccolo di quanto sperava. La domanda utile è un'altra, ed è meno rassicurante: che cosa è cambiato nel processo progettuale, adesso che la rappresentazione costa quasi nulla?

Perché è questo che è successo davvero. L'intelligenza artificiale generativa non ha abbassato il costo del progetto. Ha abbassato, di un ordine di grandezza, il costo della sua immagine. Sono due cose diverse, e confonderle è la fonte della maggior parte degli errori che si vedono in giro.

L'inversione tra immagine e progetto

Nel metodo tradizionale — quello che chiunque abbia più di dieci anni di studio alle spalle ha interiorizzato — la rappresentazione arriva dopo. Prima si legge il sito (all'Università lo chiamavano "genius loci"), si legge la norma, si costruisce un impianto distributivo, si verifica che stia in piedi strutturalmente e normativamente, e solo allora si spende tempo per renderlo visibile. La rappresentazione era costosa, e questo costo funzionava da filtro: nessuno impiegava tre giorni a rendere un'ipotesi in cui non credeva.

Quel filtro non c'è più. Oggi un'immagine convincente di un edificio che non esiste, e che con ogni probabilità non può esistere in quel lotto con quegli indici, si produce in novanta secondi. La conseguenza è che l'immagine tende a precedere il progetto anziché seguirlo, e che il progetto rischia di essere retro-ingegnerizzato a partire da un'immagine nata senza vincoli.

È un fenomeno osservabile: si parte da una vista generata, piace, si comincia a lavorare per farla stare dentro il PRG, dentro le distanze, dentro il budget. A volte funziona, e allora è una scorciatoia legittima al concept. Molto più spesso si arriva a un edificio che ha perso per strada esattamente ciò che rendeva seducente l'immagine iniziale, e a un committente che si è affezionato a qualcosa che non gli si può consegnare. La gestione di questa aspettativa è diventata una voce di lavoro reale, non prevista in nessun disciplinare.

L'iterazione a costo quasi zero, e il problema dei criteri

Il secondo cambiamento è più sottile. Quando generare una variante costava mezza giornata, si generavano tre varianti e si sceglieva. Adesso se ne generano quaranta. Il punto è che la capacità di produrre alternative è cresciuta molto più in fretta della capacità di discriminarle.

Progettare, storicamente, è un'operazione di riduzione: si esclude. I modelli generativi fanno l'esatto contrario, producono, e non hanno alcun criterio interno per dire quale delle quaranta opzioni sia quella giusta, perché "giusta" dipende da orientamento, budget, norma locale, abitudini di chi ci abiterà, e disponibilità dell'impresa che dovrà costruirla — cose che il modello non sa e non può sapere.

Chi ha criteri espliciti prima di generare, dall'IA guadagna moltissimo: esplora rapidamente uno spazio di soluzioni che prima non avrebbe potuto permettersi. Chi non li ha, entra in una specie di paralisi da abbondanza, e finisce per scegliere l'opzione più fotogenica. Questo è, a mio avviso, il vero discrimine professionale del momento: non chi usa l'IA e chi no, ma chi sa cosa sta cercando prima di chiederlo.

Il baricentro si sposta dalla produzione alla verifica

C'è un dato del report Architizer/Chaos di quest'anno che vale più di tutti gli altri messi insieme, ed è una coppia: l'86% di chi usa l'IA dichiara di risparmiare tempo, ma il 70% ammette che l'output richiede supervisione costante e il 60% che introduce errori o incoerenze nuove. Il risparmio esiste, ma è lordo, e la quota che se ne mangia la verifica non è mai stata misurata da nessuno.

Il che significa che il lavoro non è diminuito: si è spostato. È diminuita la produzione di elaborati, è aumentato il controllo sugli elaborati prodotti. Ed è un lavoro cognitivamente più impegnativo, perché verificare un output plausibile ma sbagliato è molto più difficile che verificare un output visibilmente sbagliato. Un modello linguistico che sbaglia una quota non balbetta: la scrive con la stessa sicurezza con cui scrive quelle giuste.

Questo ha una conseguenza economica che il settore non ha ancora metabolizzato. Se il valore della prestazione si sposta dalla produzione alla validazione, allora legare il compenso al tempo materiale di redazione diventa un errore di impostazione. Non a caso il tema dell'equo compenso in rapporto all'automazione è finito dentro gli schemi di decreto attuativo della legge 132/2025 approvati in esame preliminare a giugno.

Il punto tecnico che decide tutto: da dove viene il dato

Nella pratica quotidiana la distinzione che conta non è "con IA o senza IA", ma la provenienza del dato.

Un dato deterministico — estratto da un IFC, da un DXF, da un modello nativo — è riproducibile: due interrogazioni della stessa geometria restituiscono lo stesso numero. È computabile, è verificabile, si può firmare.

Un dato desunto — letto da un raster, da un PDF scansionato, da una foto, o generato da un modello — non lo è. Dipende dalla risoluzione, dalla scala presunta, dal prompt, dalla sessione. Somiglia a un dato, si comporta come un dato, ma è una bozza da verificare, e va marcata come tale in ogni elaborato che la contiene.

Chi salta questa distinzione produce computi che sembrano computi. Un modello non ha modo di sapere se il tratteggio che sta leggendo è una tramezzatura da otto o una muratura portante da trenta, e non lo dichiarerà spontaneamente: dichiarerà una quantità. Da qui una regola operativa che non ammette eccezioni: l'IA lavora a valle di un modello, mai al posto di un modello. Estrazione deterministica prima, IA per classificare, cercare la voce di prezzario, scrivere la descrizione dopo, verifica umana alla fine. Ogni voce con fonte tracciata e stato esplicito — da prezzario, da analisi nuovo prezzo, o da stima da verificare. Non esiste una quarta categoria.

Un rischio meno discusso: la convergenza

Vale la pena dirlo perché nessuno lo dice volentieri. I modelli generativi restituiscono medie statistiche di ciò che hanno visto. Il risultato è che, a parità di prompt generico, l'output converge verso un'estetica riconoscibile — quella che chiunque frequenti i social di settore ha ormai imparato a individuare a colpo d'occhio.

Non è un difetto tecnico da correggere con la prossima versione: è la natura dello strumento. Ma ha una conseguenza culturale concreta, e cioè che la fase concettuale, storicamente il momento più idiosincratico del mestiere, rischia di diventare il momento più omologato. L'antidoto non è tecnologico. È partire da materiale proprio — schizzi, geometrie, riferimenti scelti — anziché da una descrizione testuale, e usare il modello come amplificatore di un'intenzione già formata, non come generatore di intenzioni.

Le regole sono arrivate prima dell'affidabilità

È il paradosso di questa fase. Gli strumenti non sono ancora affidabili quanto la narrazione suggerisce, ma il quadro normativo li ha già inquadrati, e riguarda anche gli studi che l'IA non la usano affatto.

Dal 2 agosto 2026 si applicano gli obblighi di trasparenza dell'articolo 50 del Regolamento (UE) 2024/1689: chi diffonde contenuti generati o manipolati artificialmente deve renderlo riconoscibile. Il Digital Omnibus — Regolamento (UE) 2026/1744, in vigore dal 27 luglio 2026 — ha rinviato al 2027 e al 2028 il regime dei sistemi ad alto rischio, ma non ha toccato trasparenza, divieti, alfabetizzazione e sanzioni: leggerlo come una sospensione generale è un errore, e per uno studio che pubblica viste fotorealistiche è un errore potenzialmente costoso.

Sul fronte interno, la legge 132/2025, in vigore dal 10 ottobre 2025, stabilisce che la prestazione intellettuale resta prevalente e in capo al professionista, e introduce l'obbligo di informare il committente su finalità e modalità d'uso dei sistemi impiegati. Nelle gare pubbliche il passaggio è già avvenuto: il Bando tipo ANAC n. 2/2026, approvato con delibera n. 153 del 15 aprile 2026 per i servizi di architettura e ingegneria sopra soglia europea, prevede una dichiarazione esplicita sull'uso dell'IA nella predisposizione dell'offerta e nell'esecuzione del contratto. E il codice deontologico CNAPPC richiama, in preambolo, un impiego dell'IA improntato a trasparenza, equità e riservatezza.

Nessuna di queste norme sposta di un millimetro la responsabilità. Civile, penale, disciplinare: resta integralmente in capo a chi firma, qualunque strumento abbia usato. L'IA non è un soggetto interponibile, e non è una scusante. Vale la pena verificare, en passant, che la descrizione dell'attività assicurata nella propria polizza RC professionale non presti il fianco a contestazioni su questo punto.

Cosa resta all'architetto

Resta esattamente ciò che l'IA non fa: decidere. Stabilire i vincoli, scegliere fra le alternative, assumersi la responsabilità della scelta, tenere insieme norma, budget, contesto e desiderio del committente in un oggetto che sta in piedi.

La differenza è che questi compiti, che prima erano immersi in una massa di lavoro produttivo, adesso sono esposti. Non c'è più il tempo di redazione a mascherare l'assenza di un'idea. Chi ha metodo, con l'IA fa in un giorno quello che faceva in tre. Chi non ce l'ha, adesso produce in un giorno tre volte il materiale sbagliato.

Il vantaggio competitivo, in questa fase, non sta nell'adottare più intelligenza artificiale. Sta nel saper separare con nettezza ciò che è verificabile da ciò che non lo è — e nel firmare soltanto il primo.

Fonti

• Architizer / Chaos, AI in Architecture Report 2026 (rilevazione novembre 2025, ~800 rispondenti, campione globale). Sintesi in italiano: Architools, 28/05/2026. Report originale: chaos.com.
• Regolamento (UE) 2024/1689 (AI Act), artt. 4, 5, 50, 99, 113.
• Regolamento (UE) 2026/1744 (Digital Omnibus on AI), 8 luglio 2026, GUUE 24/07/2026, in vigore 27/07/2026. Cfr. BibLus/ACCA.
• Legge 23 settembre 2025, n. 132; schemi di decreto attuativo approvati in esame preliminare dal CdM il 10/06/2026 — Edilportale, 15/06/2026; Ingenio, 12/06/2026.
• ANAC, delibera n. 153 del 15/04/2026 (Bando tipo n. 2/2026, servizi di architettura e ingegneria ex art. 14 D.lgs. 36/2023) — Ingenio.
• Codice deontologico CNAPPC, preambolo.

Riferimenti normativi verificati al 22 agosto 2026. I dati di adozione sono di fonte globale: non esistono rilevazioni disaggregate sul mercato italiano.