Quantificare un set di tavole —quello che nel settore si chiama "takeoff" o computo metrico— significa contare i simboli e misurare le lunghezze o le superfici di un progetto per costruire un preventivo. È il passaggio che trasforma un disegno in numeri: quante porte, quanti metri di tubazione, quanti metri quadrati di pavimento. Tutto il resto di una stima —materiali, manodopera, tempi— dipende dal fatto che quei numeri siano corretti.
Negli ultimi anni sono comparsi strumenti che promettono di automatizzare questo conteggio con l'intelligenza artificiale. La promessa è allettante, ma anche facile da esagerare. Questo articolo spiega, senza linguaggio di marketing, cosa fa davvero un sistema di computo metrico con IA, quali sono i due approcci tecnici distinti che esistono e quali domande dovrebbe porsi un preventivista prima di fidarsi dei numeri che produce.
Perché il conteggio manuale fallisce quando il progetto cresce?
Contare a mano un set di tavole piccolo è perfettamente fattibile: un preventivista esperto scorre le tavole, evidenzia ogni simbolo e somma. Il problema emerge quando il progetto conta centinaia di tavole, decine di tipi di elementi e, quasi sempre, più di una revisione prima della consegna finale.
La stanchezza è il primo nemico. Dopo la tavola numero trenta, l'attenzione di chiunque cala, e un simbolo piccolo in un angolo della tavola viene facilmente trascurato. Il secondo problema è strutturale: quando arriva una revisione delle tavole, il preventivista non può semplicemente "aggiornare" il conteggio precedente. Deve ricontare tutto da zero, perché non esiste un modo affidabile di sapere cosa è cambiato senza confrontare tavola per tavola.
A questo si aggiunge un problema pratico poco discusso: in molti progetti esiste una sola copia utile della tavola segnata a mano, il che rende quasi impossibile che due persone lavorino in parallelo sullo stesso set senza sovrapporsi, o che qualcuno riveda il conteggio di un altro senza rifarlo per intero.
Come conta davvero un modello di IA gli elementi di una tavola?
Qui conviene essere precisi, perché "IA" non descrive un unico meccanismo. Esistono due approcci tecnicamente distinti, e la differenza tra loro determina il costo, la velocità e l'affidabilità del risultato.
Il primo approccio si applica quando il PDF contiene geometria vettoriale reale —cioè quando la tavola è stata esportata direttamente da un software di progettazione e ogni simbolo è, in fondo, un insieme di linee e curve definite matematicamente, non un'immagine. In questo caso, un simbolo ripetuto —una porta standard, un apparecchio di illuminazione, una colonna— ha una firma geometrica identica ogni volta che compare. Il sistema può trovare queste corrispondenze esatte tramite confronto geometrico, un processo economico e deterministico. Il modello di IA interviene solo dopo, per nominare cosa sia ogni simbolo trovato, non per "indovinare" dove si trovi.
Il secondo approccio si applica quando la tavola è una scansione o un'immagine priva di geometria sottostante —disegni vecchi, copie stampate riscansionate, PDF generati da una foto. Lì non esistono linee vettoriali da confrontare: ci sono solo pixel. Il sistema divide la tavola in ritagli (tile) e un modello di visione li "legge" uno per uno, così come farebbe una persona che osserva con una lente. Questo metodo è notevolmente più oneroso in termini di calcolo, più lento e —a differenza della corrispondenza vettoriale— non deterministico: lo stesso simbolo può essere interpretato in modo diverso da un ritaglio all'altro, il che richiede una revisione umana più rigorosa.
Perché la definizione della voce conta più del modello?
Un errore comune è pensare che la qualità del conteggio dipenda soprattutto da quanto sia "buono" il modello di IA. In pratica, conta di più come viene definito ciò che va contato. Chiedere a un sistema di "contare le porte" è un'istruzione vaga: include le porte degli armadi a muro? le porte doppie contano come una o come due? le porte tagliafuoco vengono contate insieme a quelle standard?
Una definizione vaga tende a gonfiare il conteggio, perché il sistema —sia esso IA o una persona nuova nel team— risolve l'ambiguità includendo di più piuttosto che rischiare di tralasciare qualcosa. L'alternativa è definire la voce con la stessa precisione con cui un preventivista esperto la specificherebbe in un foglio di calcolo: "contare porte singole con arco di apertura indicato, escludere armadi a muro e porte tagliafuoco". Questa frase, non il modello sottostante, è ciò che determina se il numero finale è utilizzabile per il preventivo.
Cosa dovrebbe mostrare uno strumento onesto su ciò che non è riuscito a classificare?
Nessun sistema di computo metrico —umano o automatizzato— raggiunge il cento per cento di certezza su ogni simbolo di una tavola complessa. Le tavole reali hanno simboli ambigui, sovrapposti, tagliati dal bordo del foglio o semplicemente atipici rispetto alla convenzione usata come riferimento.
La differenza tra uno strumento affidabile e uno che genera falsa sicurezza sta in cosa fa con questa incertezza. Un sistema onesto non forza ogni elemento dubbio dentro una categoria definita: separa esplicitamente ciò che non è riuscito a classificare con sufficiente certezza e lo lascia disponibile per la revisione, invece di nasconderlo dentro il totale. Il silenzio su ciò che non è stato classificato è il segnale d'allarme più chiaro che uno strumento è ottimizzato per sembrare completo, non per essere accurato.
- Mostrare il conteggio ad alta confidenza separato da quello dubbio
- Consentire di filtrare per tavola per individuare ogni elemento segnalato come incerto
- Registrare il motivo probabile del dubbio (simbolo tagliato, sovrapposizione, variante non riconosciuta)
- Non fare la media né "arrotondare" l'incertezza dentro il totale finale
Come dovrebbe l'IA inserirsi nel flusso di lavoro del preventivista?
La progettazione corretta di questi strumenti non sostituisce il preventivista: gli presenta una proposta. L'IA fa il primo passaggio —trova, conta, misura— e il preventivista conferma, corregge o scarta prima che quel numero entri nel foglio di preventivo. Accettare il risultato alla cieca, senza questo passaggio di revisione, è l'errore più costoso possibile, perché trasferisce tutta la responsabilità di un preventivo a un sistema che non è mai stato progettato per avere l'ultima parola.
Questa logica di revisione prima —l'IA propone, la persona conferma— è l'approccio che abbiamo adottato costruendo BidStream. Non perché sia l'unico modo possibile di farlo, ma perché qualsiasi scorciatoia che salti questo passaggio finisce, prima o poi, per produrre un preventivo che nessuno può difendere davanti a un cliente o a una verifica.
Domande frequenti
L'IA può fare il computo di qualsiasi tipo di tavola?
Può elaborare sia tavole con geometria vettoriale reale sia tavole scansionate, ma il metodo e l'affidabilità cambiano a seconda del caso. Con la geometria vettoriale il conteggio è più rapido e deterministico; con le scansioni dipende da un modello di visione più costoso e con maggiore necessità di revisione.
Quanto è preciso il conteggio automatico rispetto a quello manuale?
Dipende interamente dalla definizione della voce e dal tipo di tavola di origine. Non esiste una cifra universale di precisione: ciò che conta è che lo strumento mostri cosa ha classificato con alta confidenza e cosa ha lasciato segnalato come incerto per la revisione umana.
Questo sostituisce il preventivista?
No. La progettazione corretta usa l'IA per il primo passaggio di conteggio e misurazione, ma lascia la conferma finale nelle mani del preventivista prima che il numero entri nel preventivo.
Perché alcune tavole costano meno da computare rispetto ad altre?
Perché quando il PDF conserva geometria vettoriale reale, la corrispondenza dei simboli ripetuti è un calcolo geometrico economico. Quando la tavola è un'immagine scansionata, ogni ritaglio di tavola deve essere letto da un modello di visione, il che richiede più calcolo e più tempo.