L’AI sta entrando rapidamente negli studi di architettura, ma l’adozione procede a strappi tra promesse di efficienza e rischi concreti. Le voci dei professionisti che la usano ogni giorno indicano che il valore non sta nei tool in sé, ma nel giudizio che li guida: senza competenze critiche e direzione progettuale, lo strumento produce rumore.
- Pressione sui prezzi: i rendering AI scendono attorno a 15 dollari, comprimendo i margini delle visualizzazioni di concept e degli interior projects.
- Formazione assente: il 60% dei professionisti non ha alcuna formazione formale sull’uso dell’AI nel design, solo il 4% ne sta seguendo una (survey Chaos/Architizer).
- Rischi di workflow: data leak su modelli pubblici, fiducia eccessiva in output autorevoli, iterazione rapida senza criteri di valutazione.
- Direzione tecnologica: integrazione progressiva dell’AI negli ambienti di authoring esistenti, con living models coordinati tra discipline.
- Competenze rilevanti: pensiero critico, storytelling, prompting come abilità creativa, disciplina operativa nei flussi di lavoro.
L’intelligenza artificiale è entrata negli studi di architettura più in fretta di quanto associazioni professionali e fornitori di software riuscissero a metabolizzarla. Il risultato è un panorama disomogeneo in cui convivono la retorica del cambiamento epocale e un’adozione che procede a strappi, condizionata da contratti, normative e abitudini consolidate. Per capire cosa stia succedendo bisogna abbassare il volume dell’hype e ascoltare chi questi strumenti li usa ogni giorno.
Un recente white paper di Chaos, basato su interviste con Charles Portelli (Senior Associate e Digital Innovation Strategist di Perkins & Will), Kostika Lala (Founding Partner di Flashcube Labs), Vladimir Koylazov e Dan Ring (rispettivamente CTO e Senior Machine Learning Team Lead di Chaos), offre un quadro insolitamente onesto. senza promettere miracoli. Anzi, invita a guardare in faccia i rischi nascosti di un’adozione poco ragionata. L’articolo ne raccoglie le evidenze più significative, integrandole con la prospettiva del lettore italiano, dove la dimensione media degli studi e la velocità di digitalizzazione interna rappresentano un contesto piuttosto peculiare.
Il cliente arriva con il rendering già fatto
La trasformazione più visibile riguarda la fase di concept: sempre più clienti arrivano in studio con immagini generate da soli con Midjourney o strumenti analoghi, chiedendo all’architetto di progettare “qualcosa di simile”. Le immagini sono spesso grezze, talvolta architettonicamente improbabili, ma sufficientemente persuasive da indirizzare la conversazione progettuale. Per gli architetti italiani, abituati a un rapporto col committente in cui il progetto nasce dialogando attorno a referenze fotografiche, la novità non è trascurabile. Il committente non porta più una rivista o un’immagine presa da Pinterest, porta un’immagine apparentemente unica, generata dall’AI su misura per lui.
Cambia anche l’economia delle prime fasi progettuali. Visualizzazioni di concept e progetti di interni, le aree più esposte all’iterazione rapida, vedono comprimersi i margini. Come osserva Lala, il prezzo di un rendering è già crollato: ora puoi ottenerne uno per quindici dollari. Gli studi di alto profilo continueranno a giustificare i propri onorari grazie al brand e all’autorialità del progetto. Per la fascia intermedia, quella che in Italia rappresenta la grande maggioranza del mercato, la pressione competitiva è destinata a crescere.
Il rischio di diventare semplici esecutori
Il punto critico, ripetuto da più voci nel white paper, è che l’architetto rischi di essere ridotto a tecnico esecutore di una visione concepita altrove. Quando il cliente arriva con un’immagine già definita, il contributo professionale appare secondario. Senza una chiara differenziazione, lo studio finisce per competere direttamente con output economici e generati senza vincoli di realizzabilità.
Portelli sintetizza il punto con efficacia: senza comprendere l’AI, l’architetto rischia di essere ridotto a tecnico anziché designer. La risposta non è respingere lo strumento, serve riposizionare la percezione del valore professionale altrove. L’autorialità progettuale non si misura più sulla capacità di produrre immagini accattivanti, che ormai chiunque genera in pochi secondi, ma sulla capacità di tradurre una visione in architettura costruibile, integrare vincoli normativi, prestazionali, di costo, e dare coerenza narrativa al progetto.
Lo storytelling diventa così un’abilità tecnica a tutti gli effetti. Saper filtrare le opzioni, mostrare il livello di dettaglio giusto al momento giusto, evitare il sovraccarico decisionale tipico delle riunioni con molti stakeholder: sono competenze che l’AI amplifica senza sostituire.
Quando l’efficienza non è velocità ma eliminazione di passaggi
Una delle osservazioni più interessanti del white paper riguarda la natura dei guadagni di produttività, che non derivano tanto dal “fare le cose più velocemente”, quanto dall’eliminare interi passaggi nel flusso di lavoro. La distinzione conta: accelerare un’attività significa ridurne il tempo, eliminarla significa cambiare il processo.
Gli esempi raccolti vanno in questa direzione. Tool come Veras, sviluppato da EvolveLAB e distribuito da Chaos, permettono di trasformare uno schizzo o un modello SketchUp in una visualizzazione narrativa senza passare per la modellazione di dettaglio, lo styling dei materiali, la definizione precisa di luci e inquadrature. Non si tratta di rendere più rapido un processo esistente, ma di far sparire le transizioni tra concept, documentazione e presentazione.
Per gli studi italiani, dove spesso la stessa persona segue il progetto dallo schizzo iniziale all’esecutivo, questa compressione dei passaggi può avere ancora più valore, perché significa avere più tempo per progettare, avendo ridotto la mole di operazioni “grafiche”.
Lo stile come dataset, l’apprendista che impara in fretta
Una capacità che ha sorpreso molti professionisti è la rapidità con cui l’AI può assorbire lo stile di uno studio. Con un set di referenze ben curato, gli output iniziano rapidamente a riflettere la voce del progettista, comportandosi come un apprendista che ha già osservato anni di lavoro. La fluidità stilistica accorcia la distanza tra intenzione ed esplorazione: invece di passare giornate a stabilire la palette visiva di base, il team può concentrarsi sulle varianti significative.
C’è però un rovescio della medaglia. Quando architetti e clienti attingono agli stessi modelli generalisti addestrati su dataset simili, gli output tendono a convergere verso un linguaggio visivo comune. La promessa dell’AI come amplificatore creativo rischia di trasformarsi nel suo opposto: una forza omogeneizzante che appiattisce le differenze tra gli studi. La contromisura indicata dagli intervistati è banale ma decisiva: curare i propri dataset di riferimento, evitare i prompt generici, mantenere la direzione creativa saldamente nelle mani umane.
I rischi nascosti che gli studi stanno iniziando a vedere
Tra i rischi che possono emergere dall’uso quotidiano ci sono questioni che gli studi italiani, spesso di piccole dimensioni e senza una gestione IT strutturata, farebbero bene a considerare prima di adottare strumenti AI su larga scala.
Il primo riguarda il confine del dato. Molti modelli AI pubblici trattengono o apprendono dagli input degli utenti. Caricare file di progetto su queste piattaforme può significare esporre proprietà intellettuali del cliente o dello studio. Alcuni contratti internazionali già vietano esplicitamente di processare dati di progetto attraverso strumenti AI esterni, la questione diventerà presto rilevante anche nei capitolati italiani, soprattutto nei lavori pubblici.
Il secondo processo incriminato è la fiducia eccessiva verso output che appaiono autorevoli. Un’immagine ben generata o un testo fluente possono passare i filtri di revisione anche quando sono basati su assunti errati. Sotto la pressione di una scadenza ravvicinata, la patina di credibilità superficiale può far slittare contenuti non verificati nelle cose già approvate.
Chiude la lista il rischio velocità. Lala lo formula così: la possibilità di generare cento varianti in un giorno mette in evidenza l’efficienza, ma senza criteri chiari di valutazione la velocità produce rumore, non intuizione. L’iterazione rapida favorisce decisioni superficiali, basate sull’attrattiva visiva immediata anziché sull’allineamento con l’intento progettuale. Le pause deliberate tra cicli di generazione, lette come perdita di tempo, sono invece il momento in cui si sedimenta il giudizio sul prodotto e sul processo progettuale in corso.
La formazione resta il vero collo di bottiglia
Un sondaggio condotto da Chaos e Architizer ha rilevato che il 60% dei professionisti dell’architettura non ha alcuna formazione formale sull’uso di strumenti AI per la progettazione, mentre solo il 4% sta seguendo dei corsi in materia e il 18% prevede di farlo nel breve periodo. Sono dati internazionali che trasportati nella realtà italiana possono risultare fuorvianti ed è probabile che la situazione sia peggiore, dato che la spesa per la formazione è la prima voce a essere compressa nei momenti di difficoltà.
L’esperienza riportata da Portelli è chiara: l’AI è più efficace quando affiancata a professionisti esperti. Insieme, umano e macchina rendono gli esperti più capaci, mentre l’uso non guidato lascia smarriti i meno esperti. È una considerazione che dovrebbe far riflettere chi pensa all’AI come a uno strumento per “automatizzare” l’apprendistato, anzi è molto più probabile l’effetto contrario: l’AI amplifica le possibilità di chi è già esperto, mentre lascia il principiante senza bussola.
Cosa aspettarsi nei prossimi anni
Le analisi convergono su una traiettoria comune: il prossimo passo non sarà la nascita di tool AI sempre più capaci, ma la loro integrazione progressiva all’interno degli ambienti di authoring esistenti. L’AI smetterà di essere un widget esterno e diventerà un’infrastruttura continua di progetto. Koylazov e Ring parlano di sistemi capaci di valutare layout e materiali rispetto a regole esplicite (compliance, accessibilità, csostenibilità, costi), restando connessi ai dati del modello durante l’intero ciclo di vita.
Lala usa l’espressione living models: modelli che restano coordinati e consapevoli delle proprie prestazioni man mano che il progetto evolve, propagando automaticamente gli aggiornamenti tra le discipline e segnalando agli umani solo le decisioni che richiedono giudizio. Per il mercato italiano, dove SketchUp e i CAD generalisti restano largamente diffusi anche per ragioni di costo, la direzione di marcia è incoraggiante. Significa meno necessità di migrare verso piattaforme costose pur di accedere all’AI e più probabilità che le funzionalità intelligenti arrivino come aggiornamenti dei tool già in uso.
Le competenze che faranno la differenza
Resta una domanda di fondo: cosa deve saper fare un architetto per restare al passo? Le risposte raccolte indicano quattro direzioni che sono soprattutto qualità professionali, non capacità tecniche.
Il pensiero critico funziona come controllo qualità: riconoscere quando un output è disallineato, generico o sbagliato, anche se ben confezionato. Lo storytelling lavora come ancora dell’intento progettuale, incorporando le immagini AI in una narrazione coerente che colleghi visione, contesto e committente. Il prompting richiede competenza in materia, conoscenza del contesto, direzione stilistica: non è digitare comandi, è dirigere uno strumento. La disciplina operativa integra l’AI nei flussi di lavoro esistenti in modo strutturato, senza creare frammentazione né lacune di sicurezza.
Tutte queste competenze di settore hanno un punto in comune: l’AI non le sostituisce, le amplifica. È una notizia rassicurante per chi le possiede e un campanello d’allarme per chi sperava di delegarle alla macchina.
