Negli ultimi trent’anni la digitalizzazione del territorio ha attraversato una trasformazione profonda. Siamo passati dalla cartografia tradizionale ai sistemi informativi geografici, dai primi database georeferenziati alle immagini satellitari ad alta risoluzione, fino alle tecnologie di Mobile Mapping, alla fotogrammetria, ai droni, al Lidar e alle nuvole di punti capaci di descrivere città e infrastrutture con livelli di precisione impensabili fino a pochi anni fa.
Più recentemente, il concetto di Digital Twin ha ampliato ulteriormente questa prospettiva, introducendo la possibilità di costruire una rappresentazione digitale tridimensionale del mondo reale e di associare agli elementi fisici una quantità crescente di informazioni.
È stato un percorso guidato soprattutto dalla necessità di conoscere meglio ciò che esiste: localizzarlo, misurarlo, classificarlo e rappresentarlo. Oggi, però, la disponibilità di grandi quantità di dati e lo sviluppo dell’intelligenza artificiale stanno aprendo una fase diversa.
Il problema non è più soltanto quanto accuratamente siamo in grado di digitalizzare il territorio, ma quanto siamo capaci di interpretarlo.
Possiamo conoscere la posizione esatta di ogni lampione di una città, censire migliaia di alberi o ricostruire in tre dimensioni un’intera rete stradale senza essere automaticamente in grado di stabilire quali elementi richiedano attenzione, dove si stia verificando un cambiamento significativo o quali interventi debbano avere priorità.
È in questa distanza tra disponibilità dell’informazione e capacità di utilizzarla che prende forma il concetto d’intelligenza territoriale.
Un nuovo modo di interrogare il territorio
L’evoluzione può essere letta anche attraverso il cambiamento delle domande che rivolgiamo ai sistemi territoriali.
La cartografia ha risposto per secoli alla necessità di sapere dove si trovassero luoghi, confini, infrastrutture e fenomeni; il GIS ha collegato alla posizione geografica informazioni e attributi, consentendo di interrogare gli oggetti e analizzarne le relazioni spaziali; il Digital Twin ha aggiunto la possibilità di rappresentarne forma, struttura e contesto tridimensionale.
L’intelligenza territoriale introduce un livello ulteriore: capire che cosa sta accadendo, che cosa è cambiato, quali conseguenze può produrre un determinato fenomeno e quale decisione sia più appropriata.
Questo richiede di superare l’idea del territorio come semplice collezione di elementi georeferenziati e considerarlo invece come un sistema di relazioni. Un albero, per esempio, non è soltanto una coordinata associata a una specie botanica, la sua crescita può interferire con l’illuminazione, le radici possono influire sulla pavimentazione.
Allo stesso modo, una strada non è soltanto una geometria lineare, ma un insieme di pavimentazione, segnaletica, illuminazione, drenaggio, vegetazione, sottoservizi, traffico e manutenzioni.
È proprio la capacità di leggere queste relazioni a trasformare un insieme di dati geografici in conoscenza territoriale.
Il valore nasce dalla connessione dei dati
Una delle principali difficoltà nasce dal fatto che le informazioni necessarie per costruire questa conoscenza sono generalmente distribuite tra sistemi differenti.
Il GIS conserva geometrie e attributi, i software gestionali registrano attività e manutenzioni, le piattaforme IoT raccolgono le misure provenienti dai sensori, i sistemi documentali custodiscono progetti e autorizzazioni, mentre rilievi e campagne di acquisizione producono immagini, video, nuvole di punti e modelli tridimensionali.
Non è quindi necessariamente la mancanza di dati a rappresentare il problema, quanto la difficoltà di metterli in relazione. Per questo l’evoluzione delle piattaforme territoriali dipenderà sempre più dall’interoperabilità, standard, API e modelli informativi condivisi dovranno permettere a fonti differenti di comunicare senza imporre necessariamente la concentrazione di ogni informazione all’interno di un unico sistema.
Il valore si sposta così dal semplice possesso del dato alla capacità di collegarlo al contesto corretto, interpretarlo e renderlo disponibile nel momento in cui serve. In questa prospettiva, una piattaforma territoriale evoluta non è soltanto un archivio digitale, ma un’infrastruttura capace di costruire connessioni tra informazioni che, considerate separatamente, raccontano soltanto frammenti della realtà.
L’intelligenza artificiale tra osservazione e interpretazione
L’intelligenza artificiale può accelerare radicalmente questo processo perché interviene proprio nel passaggio tra osservazione e interpretazione.
Le tecnologie di acquisizione sono ormai in grado di raccogliere enormi quantità di informazioni in tempi relativamente brevi, un sistema di Mobile Mapping può percorrere centinaia di chilometri generando immagini e miliardi di punti tridimensionali.
Il collo di bottiglia si è quindi progressivamente spostato verso l’analisi. Computer vision e machine learning permettono già di riconoscere, geolocalizzare, classificare e misurare automaticamente numerosi elementi presenti nelle immagini e nelle nuvole di punti, riducendo il lavoro necessario per trasformare un’acquisizione in un patrimonio informativo strutturato.
La prospettiva più interessante, tuttavia, riguarda la capacità di confrontare rilievi effettuati in momenti differenti, individuando nuovi elementi, oggetti rimossi, trasformazioni o possibili anomalie.
In questo modo l’intelligenza artificiale non serve soltanto ad automatizzare un censimento, ma può contribuire a mantenere aggiornata la rappresentazione digitale del territorio e a concentrare l’attenzione umana sulle situazioni che richiedono realmente verifica, interpretazione o decisione.
Dal Digital Twin alla memoria del territorio
La dimensione temporale diventa quindi essenziale. Un territorio non è mai definitivamente censito perché cambia continuamente, le infrastrutture vengono modificate, gli asset sostituiti, la vegetazione cresce, gli edifici cambiano, gli elementi si degradano e gli interventi manutentivi modificano lo stato di ciò che era stato precedentemente rilevato.
Da questo punto di vista, il Digital Twin più utile non è necessariamente quello graficamente più spettacolare, ma quello capace di conservare la storia degli oggetti e di aggiornarsi insieme alla realtà che rappresenta. Se ogni asset possiede una propria identità digitale alla quale vengono collegati rilievi, immagini, documenti, manutenzioni, costi e dati provenienti dai sensori, diventa possibile ricostruirne l’evoluzione e non soltanto osservarne lo stato attuale.
Questa memoria introduce una capacità nuova: riconoscere pattern e correlazioni. Sapere che un’infrastruttura presenta oggi un’anomalia è utile; comprendere quali condizioni abbiano preceduto anomalie simili può consentire di intervenire prima che il problema diventi evidente.
Dalla manutenzione reattiva alla capacità predittiva
È qui che l’intelligenza territoriale incontra uno dei suoi campi applicativi più concreti: la manutenzione. Molti processi sono ancora prevalentemente reattivi, perché l’intervento viene avviato quando un problema è già visibile o è stato segnalato.
La disponibilità d’ informazioni storiche, caratteristiche tecniche, rilievi permette invece di attribuire livelli di rischio e priorità agli asset, orientando progressivamente la gestione verso modelli preventivi e, dove i dati lo consentono, predittivi.
La questione non riguarda soltanto la possibilità di anticipare un guasto, ma la capacità di utilizzare meglio risorse inevitabilmente limitate.
Per un’amministrazione o un gestore infrastrutturale, sapere dove intervenire prima, quale attività può essere rinviata e quale investimento può evitare un costo maggiore in futuro rappresenta un valore molto più concreto della semplice disponibilità di una rappresentazione digitale accurata.
Verso un sistema operativo del territorio
Questa prospettiva modifica anche il ruolo delle piattaforme territoriali, che possono progressivamente diventare veri e propri sistemi operativi del territorio. Un asset digitale non dovrebbe essere soltanto consultabile, ma diventare il punto di accesso a tutte le informazioni e ai processi che lo riguardano.
Se viene rilevata un’anomalia, il sistema può generare un’attività, assegnarla a un responsabile, rendere disponibili sul campo documenti e informazioni tecniche, seguirne l’esecuzione e aggiornare lo stato dell’oggetto al termine dell’intervento.
La componente geografica, in questo scenario, non è più separata dalla gestione operativa, diventa il contesto attraverso cui persone, dati e attività vengono messi in relazione. Il Digital Twin assume così una funzione meno scenografica e molto più concreta, trasformandosi nell’interfaccia attraverso cui un’organizzazione osserva il proprio patrimonio, ne comprende lo stato e governa le attività necessarie a mantenerlo.
Quando sarà possibile fare domande al territorio
L’intelligenza artificiale generativa potrebbe infine cambiare anche il modo in cui interagiamo con questi sistemi. Per decenni abbiamo interrogato il territorio attraverso mappe, layer, filtri e query costruite secondo la struttura dei database.
Questi strumenti continueranno a essere indispensabili, ma il linguaggio naturale può introdurre un nuovo livello di accessibilità. Un tecnico, un amministratore o un decisore potrebbe chiedere quali strade presentino il rischio maggiore di degrado, quali alberi possano interferire con l’illuminazione pubblica, quali caditoie non risultino ispezionate da un determinato periodo o quali asset siano cambiati rispetto all’ultima acquisizione.
Domande ancora più complesse potrebbero riguardare la distribuzione delle risorse: dato un determinato budget, quali interventi dovrebbero essere considerati prioritari e sulla base di quali evidenze? Per fornire risposte attendibili, il sistema dovrebbe interrogare contemporaneamente geometrie, serie storiche, documenti, immagini e dati gestionali, mostrando non soltanto il risultato ma anche le informazioni sulle quali è stato costruito.
La mappa rimarrebbe fondamentale, perché la dimensione spaziale è parte essenziale del problema, ma potrebbe diventare una componente della risposta anziché rappresentare necessariamente il punto di partenza dell’interazione.
Dopo il Digital Twin: quando il territorio diventerà machine-readable
La vera discontinuità potrebbe arrivare quando non avremo più bisogno di considerare il territorio digitale come una copia separata del territorio fisico.
Oggi costruiamo database, GIS e Digital Twin nei quali strade, edifici, reti, alberi e infrastrutture vengono rappresentati attraverso geometrie, attributi e modelli; domani potremmo invece assistere alla nascita di un territorio direttamente leggibile dalle macchine, nel quale ogni elemento fisico possiede una propria identità digitale persistente e interoperabile, indipendente dalla piattaforma utilizzata per osservarlo.
Un lampione, un ponte, una carreggiata, un albero o una condotta non sarebbero più soltanto record all’interno di un database, ma entità digitalmente riconoscibili, dotate di una storia, di relazioni con gli elementi circostanti e di informazioni verificabili sulla propria origine e sulle proprie trasformazioni.
Il cambiamento sarebbe paragonabile a quello prodotto dal Web quando documenti conservati in sistemi separati sono diventati parte di una rete globale di informazioni collegate: qualcosa di simile potrebbe accadere al mondo fisico.
Il territorio potrebbe trasformarsi in una rete di miliardi di entità interrogabili da persone, software e intelligenze artificiali attraverso un linguaggio comune. In questo scenario il rilievo assumerebbe una funzione nuova e strategica, perché non servirebbe soltanto a misurare e rappresentare gli oggetti, ma a riconoscerli, identificarli e collegarli alla loro identità digitale, certificando nel tempo la corrispondenza tra ciò che esiste nel mondo fisico e ciò che i sistemi conoscono.
Ogni nuova acquisizione potrebbe riconoscere automaticamente gli stessi elementi osservati in precedenza, anche quando cambiano forma o condizioni, aggiornandone la storia senza ricostruire ogni volta il dato da zero.
Il risultato sarebbe una sorta di Internet del territorio, nel quale la conoscenza non appartiene più necessariamente a un singolo GIS o Digital Twin, ma accompagna gli oggetti stessi e può essere utilizzata, con differenti livelli di autorizzazione, da amministrazioni, gestori di infrastrutture, imprese, veicoli autonomi, robot e sistemi di intelligenza artificiale.
A quel punto cambierebbe anche il ruolo delle piattaforme, il vantaggio competitivo non deriverebbe soltanto dalla capacità di visualizzare meglio il territorio, ma dalla capacità di costruire e mantenere il livello di identità e interoperabilità attraverso cui il mondo fisico diventa comprensibile ai sistemi digitali.
Potrebbe nascere così una nuova infrastruttura, paragonabile per importanza alle coordinate geografiche o agli indirizzi Internet, capace di assegnare una continuità digitale agli elementi del mondo reale e di permettere a sistemi oggi separati di riconoscere che stanno parlando dello stesso oggetto.
Il Digital Twin diventerebbe allora soltanto una delle possibili rappresentazioni generate a partire da questa infrastruttura.
La trasformazione più profonda non sarebbe più costruire una copia digitale sempre più precisa del territorio, ma rendere il territorio stesso parte nativa dell’ecosistema digitale.
Se il GIS ha reso il mondo localizzabile e il Digital Twin lo ha reso rappresentabile, la prossima generazione dell’intelligenza territoriale potrebbe renderlo identificabile, interoperabile e direttamente comprensibile dalle macchine.
Credit
Foto di Ussama Azam su Unsplash