Intelligenza artificiale per norme tecniche e ingegneria

Gli studi di ingegneria — civile, strutturale, aerospaziale, industriale — operano su corpora documentali enormi: norme ISO e UNI, standard EN, specifiche di progetto, capitolati, documentazione appaltatori, storici di revisione, manuali tecnici. Un ingegnere senior conosce questo corpus per istinto. Ma il corpus ha migliaia di pagine, cambia costantemente, e varia per cliente e giurisdizione.

Il problema reale non è trovare un documento — è trovare la clausola giusta, nella revisione giusta, applicabile alla data di progetto corretta. Un sistema che restituisce la norma sbagliata o una revisione obsoleta non è solo inutile — è un rischio per la responsabilità professionale.

Costruiamo sistemi RAG che ragionano sulla documentazione tecnica. Gli ingegneri interrogano in linguaggio naturale e ricevono risposte citate — norma, numero di articolo, revisione. Il sistema è version-aware: sa quale revisione di uno standard si applica a una data di progetto specifica, e non risponderà con una clausola obsoleta.

Ogni risposta è registrata: chi ha chiesto, quando, quale documento ha risposto. Questo non è opzionale in contesti con responsabilità professionale. Il log è immutabile e consultabile per audit.

Background del fondatore: Corrado Patierno ha formazione in ingegneria aeronautica e ha guidato il progetto IATP — reverse engineering AI-driven di una piattaforma legacy nel settore aviation. Questo background informa direttamente il modo in cui progettiamo sistemi RAG per documentazione tecnica: la precisione non è un nice-to-have, è un requisito strutturale.

L'infrastruttura è basata su Nexus MDS Core, deployabile on-premise. Chunking semantico per clausola, metadati con gerarchia completa della norma, vector search con Weaviate. I dati restano nel perimetro dello studio. Conformità GDPR per design.