Prompted Construction: usare l’AI per costruire l’architettura del futuro

Nel panorama internazionale dell’AEC (Architecture, Engineering & Construction), la convergenza tra computational design e intelligenza artificiale sta ridefinendo l’intero ciclo di vita degli edifici, aprendo la strada a flussi di lavoro sempre più intelligenti, automatizzati e creativi.

Attualmente in fase prototipale, la Prompted Construction prefigura un futuro in cui la distanza fra concept e cantiere si riduce a semplici prompt testuali: modelli parametrici corredati di codici macchina e cicli robotici potranno essere generati in pochi istanti, alleggerendo le competenze tecniche richieste e ampliando le possibilità di sperimentazione formale. Le ricerche di laboratori come INDEXLAB (gruppo multidisciplinare del Politecnico di Milano) dimostrano la fattibilità di questo paradigma, anticipando filiere progettuali più rapide e adattive.

Le Nazioni Unite stimano che il mercato dell’AI raggiungerà i 4800 miliardi di dollari entro il 2033; perché tale valore si traduca in benefici concreti, occorre convertirlo in applicazioni scalabili come quelle oggi in fase di prova nei principali centri di ricerca. Tra questi, INDEXLAB ha presentato a Rebuild un prototipo che dimostra la fattibilità industriale del processo di Prompted Construction, confermando il ruolo di primo piano che la ricerca italiana può giocare nella transizione digitale dell’ambiente costruito. 

Prompted Construction: origini e principi operativi

Prompted Construction è una metodologia sperimentale che mette in relazione modelli linguistici generativi e sistemi di fabbricazione automatizzata, permettendo la produzione di elementi architettonici complessi a partire da semplici input multimodali.

Il concetto nasce dall’evoluzione dei Large Language Models (LLM), capaci di trasformare il linguaggio naturale in dati strutturati. Nella Prompted Construction, il prompt non genera soltanto un’immagine, ma un file parametrico già compatibile con software di modellazione e con codici macchina. Un algoritmo traduce il testo in geometrie matematiche, calibra dimensioni e tolleranze in funzione del processo prescelto (taglio laser, fresatura, piegatura, stampa additiva) e restituisce un modello pronto per la produzione.

Ricerca applicata: il contributo di INDEXLAB

Negli ultimi tre anni, il gruppo multidisciplinare del Politecnico di Milano ha esplorato in modo sistematico le potenzialità di questa filiera integrata. L’obiettivo è rendere accessibile la progettazione parametrica anche a chi non padroneggia la programmazione visuale, mantenendo il controllo formale e costruttivo.

Le ricerche seguono tre filoni principali: integrazione di agenti AI, condivisione su blockchain, formazione inclusiva.

Integrazione di agenti AI

Un plug-in sperimentale collega Grasshopper 3D a una rete di agenti specializzati. Il sistema interpreta la richiesta dell’utente, genera la definizione parametrica, ne verifica la producibilità e restituisce sia il modello sia il codice G-code/robot-code corrispondente.

Condivisione su blockchain

I flussi operativi, una volta validati in officina, vengono registrati su una catena distribuita. Questo consente di riutilizzare logiche di progettazione e percorsi macchina senza duplicare test, favorendo collaborazione fra studi professionali e reparti produttivi.

Formazione inclusiva

La medesima infrastruttura produce esempi modificabili che gli utenti possono studiare e adattare, riducendo la curva di apprendimento nei corsi universitari e nei programmi di aggiornamento.

Casi studio

ML-to-3D: Stampa 3d su stampo pin-mold

Il primo prototipo realizzato per testare il workflow di Prompted Construction è un padiglione sperimentale, progettato a partire da descrizioni testuali e riferimenti visivi, poi trasformato in uno spazio architettonico attraverso un processo automatizzato che integra AI, modellazione 3D, stampa su pin-mold riconfigurabile e robotica.

 

La parte superiore del padiglione è stata fisicamente fabbricata in collaborazione con Gimac-eXgineering (maggio 2023) mediante robot antropomorfi e implementata come elemento di controsoffitto, dimostrando la velocità, flessibilità e riduzione del carico di lavoro del metodo rispetto ai processi tradizionali.

ML-to-HWC: Bassorilievo ottenuto mediante taglio a caldo robotizzato (HWC)

Il prototipo converte un prompt testuale in un pannello sagomato a caldo con un braccio robotico. Ogni fase – generazione dell’immagine, suddivisione in iso-curve, ottimizzazione delle traiettorie – è gestita automaticamente, dimostrando la fattibilità del flusso end-to-end.

Il prototipo è stato presentato insieme a Fanuc presso la Casa dell’intelligenza Artificiale ad A&T. Successivamente è stato presentato alla conferenza internazionale di riferimento AI in AEC a Helsinki.

ML-to-CNC: Sistema di frangisole ottenuto mediante taglio-piega CNC e saldature laser

Il caso più recente riguarda Louven, una piattaforma per generare elementi schermanti che discretizzano facciate a doppia curvatura. Il progettista definisce requisiti di ombreggiamento, passo dei montanti e preferenze formali tramite un breve testo; l’algoritmo produce il modello 3D, le distinte dei componenti e i file per taglio laser, piegatura CNC e saldatura. Il prototipo, presentato al SAIE, è testato insieme a Cremonini Group e Conca Acciaio su moduli in scala 1:2, conferma la validità del sistema.

 

Un salto nel futuro, possibile già oggi

Il progetto avviato da INDEXLAB è ambizioso: mira a compiere un salto nel futuro, immaginando un mondo in cui da un semplice text prompt, o sempre più attraverso un approccio multimodale – come uno schizzo realizzato da un progettista – sia possibile generare un progetto grazie a un algoritmo di machine learning basato su regole controllabili. Il valore innovativo e dirompente del sistema, sottolinea Ruttico, risiede nel cambiamento del rapporto con il computer e nell’evoluzione dell’interazione con l’intelligenza artificiale, che diventa conversazionale, trasformando anche il modo in cui si programma e progetta.

Nello specifico, l’algoritmo presentato a Rebuild genera in automatico delle definition di Grasshopper, ossia algoritmi in visual scripting, intuitivi da governare, con la possibilità di cambiare delle variabili.

Per fare un esempio: se un progettista intende ideare un edificio multipiano, l’algoritmo viene configurato automaticamente comprendendo che la struttura ha bisogno di generare un certo numero di colonne per sostenersi. «L’AI come fa a pensare a un edificio che segue le leggi della fisica, dato che non ha una percezione fisica del mondo reale? Grazie a un database appositamente allenato. Il ruolo fondamentale del professionista è di portare l’artificiale nel reale, allenando il sistema, dunque provvedendo a fornire dati di qualità che fanno conto sull’esperienza; il sistema impara, generando non la geometria del progetto finito, ma algoritmi e insieme di regole che possiamo modificare e controllare per ottenere l’edificio che vogliamo».

L’algoritmo si traduce, dunque, in output geometrico controllabile. Questa è l’innovazione del concetto di Prompted Construction. Questo approccio colma il divario tra immaginazione e realizzazione, eliminando la necessità per i progettisti di gestire i dettagli tecnici della costruzione. «L’impatto che potrà avere è notevole perché si potrà applicare in ogni ambito delle costruzioni con più livelli di complessità, sia nella generazione di database affidabili, sia nell’impostazione di algoritmi controllabili secondo le intenzioni del professionista che vi opera», evidenzia Pierpaolo Ruttico, ricercatore, fondatore e direttore di INDEXLAB.

Un ecosistema di intelligenze supportato dall’AI

La finalità di sistemi di Prompted Construction supera persino quella originaria del BIM, che nasceva per garantire un’uniformità nella descrizione informativa di una costruzione, alleggerendo il progettista – e non solo – dai compiti più ripetitivi e superando frammentazioni di natura comunicativa e tecnologica, aprendo la strada a una gestione più integrata e fluida dei processi complessi.
«Stiamo entrando in un ecosistema fatto di flussi di intelligenze interconnesse, in cui l’intelligenza artificiale agisce come moltiplicatore delle nostre capacità e riserva continue sorprese, come dimostrato dall’avvento della Generative AI. Ricordo bene il momento, a dicembre 2022, dopo aver testato ChatGPT: è lì che ho capito che avrebbe potuto cominciare l’era della Prompted Construction», conclude il ricercatore. Il lavoro su cui si concentrerà INDEXLAB sarà di trasferire queste conoscenze alle aziende, creando percorsi dedicati per sviluppare sempre più applicazioni concrete.

Consiglia questo approfondimento ai tuoi amici

Commenta questo approfondimento