Quando il know-how tecnico diventa un Agente governato. AI e governance cognitiva nel Real Estate: il caso Sparim

intervista ad Amir Topalovic, CEO di AISMA

PARTE I — IL CASO SPARIM: DAL DISEGNO TECNICO ALL’AGENTE COGNITIVO

Partiamo dal concreto. A SSBM 2026 presenterete il progetto sviluppato con Sparim, la società del Gruppo Sparkasse che gestisce il patrimonio immobiliare delle filiali bancarie. Di cosa si tratta esattamente?

Sparim gestisce ogni anno interventi di ristrutturazione e restyling delle filiali del Gruppo Sparkasse, seguendo un modello progettuale interno consolidato denominato “Guardare Avanti”: uno standard pensato per garantire coerenza visiva, funzionalità e qualità dell’esperienza cliente in ogni punto della rete. Il problema era nella fase iniziale del processo, quella preliminare in cui si analizza la planimetria esistente e si ipotizzano i nuovi layout. Richiedeva tempi rilevanti, iterazioni manuali ripetute e concentrava sull’ufficio tecnico un carico decisionale sproporzionato rispetto al peso che quella fase ha nel progetto complessivo.
La sfida non era tecnologica in senso stretto: era una sfida di capitalizzazione della conoscenza. Come trasformare anni di progettazioni approvate, regole qualitative consolidate e standard funzionali definiti, tutto il patrimonio implicito dell’ufficio tecnico, in un sistema in grado di proporre automaticamente varianti coerenti, riducendo il tempo di convergenza su una soluzione condivisa? La risposta di AISMA è stata un MVP sviluppato sotto la nostra architettura: un sistema di supporto alla progettazione preliminare che utilizza file DWG/DXF come input strutturato e restituisce proposte di layout ottimizzate, report PDF multilingua e un modello dati JSON direttamente integrabile con AutoCAD.

Come funziona tecnicamente il sistema? Come riesce a “leggere” una planimetria e a proporre varianti architettonicamente credibili?

Il punto di ingresso è il file DXF, un export del DWG, della planimetria as-is. La pipeline estrae metadati geometrici e strutturali di dettaglio: pareti, vincoli dimensionali, relazioni spaziali tra le aree, confini fissi e modificabili. Questa rappresentazione strutturata non è un semplice dato grafico: è la base formale su cui opera il framework di ragionamento. Il cuore del sistema è un framework ReAct (Reasoning and Acting) multi-stadio: il modello analizza iterativamente la logica spaziale, applica i vincoli architettonici del modello “Guardare Avanti” e genera varianti di layout ottimizzate, verificando a ogni passo la fattibilità strutturale. Il sistema “legge” la planimetria come un insieme di vincoli e opportunità, non come un’immagine e questo è esattamente ciò che consente di produrre proposte architettonicamente credibili, non soltanto visivamente plausibili.
L’utente interagisce attraverso istruzioni in linguaggio naturale, ad es. “crea due sale riunioni al piano terra e sposta i consulenti al primo piano” e il sistema adatta il layout in tempo reale, mantenendo la coerenza con le regole progettuali codificate nella knowledge base di Sparim. Nella fase finale, il componente LLM produce visualizzazioni 2D e 3D ad alta fedeltà, con sufficiente accuratezza geometrica da essere utilizzate come riferimento affidabile nella progettazione esecutiva.

Quali benefici concreti ha già riscontrato Sparim in fase di test?

I benefici più immediati si sono manifestati su due dimensioni: velocità e qualità delle riunioni decisionali. Il sistema consente di arrivare a un tavolo tecnico-commerciale con tre proposte di layout già strutturate, coerenti con il modello aziendale e corredate da un report. Le modifiche eventualmente richieste dalla struttura commerciale vengono immesse in linguaggio naturale nel sistema, che genera i nuovi layout in tempo reale per una validazione immediata. Le discussioni, che prima ruotavano attorno a bozze incomplete, diventano operative dall’inizio.
Sul piano della qualità, la formalizzazione in JSON delle logiche progettuali ha già rivelato alcune regole implicite dell’ufficio tecnico che non erano mai state codificate esplicitamente, un effetto collaterale che nessuno aveva previsto ma che Sparim ha valutato come uno dei risultati più preziosi del progetto. Il know-how tacito è diventato know-how strutturato. E questo è un asset che rimane nell’organizzazione.

Come viene garantita la coerenza tra le proposte generate dall’AI e gli standard progettuali del Gruppo Sparkasse? Chi controlla che il sistema non “inventi” soluzioni incompatibili?

La coerenza è garantita strutturalmente, non affidata al giudizio del modello. AISMA incorpora le regole del modello “Guardare Avanti”, separazione aree cliente/back office, posizionamento funzionale, fasce dimensionali, standard degli elementi, all’interno di un layer di governance che opera come filtro su ogni proposta generata. Il sistema non può produrre un output che violi queste regole senza che la violazione sia esplicitamente registrata e segnalata.
Questo è esattamente il significato di cognitive governance applicata: non si chiede al modello di essere coerente, lo si costringe architetturalmente a esserlo. La differenza non è sottile, è la differenza tra un sistema che “prova a fare giusta” e un sistema che non ha alternativa.

Perché Sparim ha scelto AISMA e non una delle tante soluzioni AI generaliste disponibili sul mercato?

Perché Sparim non cercava uno strumento di disegno assistito: cercava un sistema in grado di capitalizzare il know-how progettuale proprietario e renderlo replicabile in modo coerente e auditabile.
La proposta di AISMA non era automatizzare il processo, bensì governarlo: preservare le logiche dell’ufficio tecnico all’interno di un sistema strutturato, che restituisse il controllo ai progettisti anziché sottrarglielo.
Le soluzioni generaliste avrebbero prodotto layout plausibili, non layout conformi agli standard di Gruppo, alle normative bancarie e alla cultura progettuale consolidata negli anni.
La governance non è un optional aggiungibile dopo: deve essere al centro dell’architettura fin dal primo giorno.

PARTE II — ZENAI E L’ARCHITETTURA DI COGNITIVE GOVERNANCE

Il caso Sparim è un esempio isolato o rappresenta un approccio replicabile? Qual è la logica architetturale che sta dietro?

È un esempio del tutto replicabile e la replicabilità è proprio uno dei principi fondativi del framework realizzata da AISMA. Il caso Sparim istanzia un pattern che AISMA applica in contesti molto diversi: un’organizzazione possiede una knowledge base implicita: regole, standard, logiche decisionali sedimentate negli anni che oggi vive nella testa delle persone o in documenti non strutturati. AISMA trasforma questa conoscenza tacita in strutture formali che un sistema AI (on premise) può applicare, verificare e accumulare nel tempo.
L’architettura è strutturata in quattro strati funzionali.
Lo “Strato Dati” gestisce storage, database SQL, vettoriali e a grafo oltre ai sistemi di audit e log.
Lo “Strato Motori di Runtime” ospita i microservizi operativi: recupero ibrido keyword+vettoriale, operazioni sul grafo della conoscenza, runtime LLM, motore di validazione e generatore di documenti.
Lo “Strato di Composizione Strategica” coordina i Macro-Blocchi riutilizzabili, Nucleo di Ragionamento, CheckCompliance, OfferPack assemblati a runtime in funzione del dominio del cliente.
Lo “Strato di Esperienza” gestisce UI e canali.
Ogni strato è indipendente dal modello linguistico utilizzato: model agnostic by design.

Cosa distingue concretamente ZenAI da un sistema RAG o da un chatbot aziendale? La domanda è lecita, perché molti vendor la usano come sinonimo di “AI governata”.

Un sistema RAG (Retrieval Augmented Generation) è fondamentalmente un meccanismo di recupero: trova documenti, li passa al modello, ottiene una risposta. È utile, ma non governa nulla. Non verifica se la risposta rispetta le policy aziendali, non traccia il ragionamento che l’ha prodotta, non preserva la logica applicata per renderla riusabile.
AISMA introduce un piano di controllo cognitivo che si colloca sopra il modello: ogni proposta generata viene verificata rispetto a regole e quality gates definiti dall’organizzazione, ogni decisione è tracciata con il suo percorso di ragionamento, ogni output è audit-ready.
La differenza non è tecnica: è di responsabilità. Un RAG produce risposte. AISMA produce decisioni difendibili. Quando un sistema AI opera in un contesto regolamentato come ad esempio quello bancario, sanitario, immobiliare e istituzionale, la distinzione non è accademica: è la differenza tra un sistema che si può portare davanti all’audit e uno che non si può.

Come si costruisce concretamente la knowledge base di un’organizzazione all’interno del framework sviluppato da AISMA? È un processo lungo?

È il lavoro più delicato e strategico di ogni progetto. Non si tratta di caricare documenti in un database vettoriale: si tratta di formalizzare la conoscenza tacita dell’organizzazione, le regole implicite, i criteri di qualità non scritti, le logiche decisionali sedimentate negli anni, trasformandola in strutture formali che il sistema può applicare e verificare. Nel caso Sparim questo ha significato lavorare fianco a fianco con l’ufficio tecnico per codificare in regole esplicite il modello “Guardare Avanti”: un processo che ha richiesto competenze di knowledge engineering, non soltanto di sviluppo.
I tempi dipendono dalla complessità del dominio, ma in media un MVP come quello di Sparim si sviluppa in cinque settimane per poi richiederne altre tre per il consolidamento. Il risultato, il grafo di conoscenza del cliente, arricchito a ogni nuovo progetto, diviene un asset valorizzabile che rimane nell’organizzazione e si accumula nel tempo. È questo che trasforma l’utilizzo dell’AI in capitale cognitivo, non in spesa operativa ricorrente.

Sul fronte normativo: come si posiziona AISMA rispetto all’EU AI Act, che per molti gestori di patrimoni immobiliari istituzionali è già un tema di agenda?

Il framework di AISMA e i prodotti che da esso ne derivano (come il caso di Sparim) è stato progettato con la conformità normativa come vincolo architetturale, non come adempimento successivo. I sistemi AI ad alto rischio secondo la classificazione EU AI Act richiedono tracciabilità delle decisioni, supervisione umana, documentazione tecnica e meccanismi di correzione.
AISMA implementa questi requisiti strutturalmente: ogni output porta con sé il percorso di ragionamento che l’ha generato, ogni regola applicata è documentata e verificabile, ogni decisione è esplicitamente attribuita al sistema, non opacizzata. AISMA dispone inoltre di una divisione Legal & Regulatory dedicata, che affianca i clienti nella valutazione del perimetro normativo specifico, rendendo il progetto AI non solo tecnicamente solido ma giuridicamente difendibile. Compliance by design, non compliance by retrofit.

PARTE III — CHI È AISMA

Per chiudere: chi è AISMA, con chi lavora e perché ha scelto di essere presente a SSBM 2026?

AISMA è un centro di ricerca e trasferimento tecnologico che opera all’intersezione tra decisioni AI, conoscenza organizzativa e responsabilità. Siamo accreditati come Centro di Trasferimento Tecnologico (CTT) e Centro di Ricerca e Trasferimento Tecnologico (CRTT) presso il sistema Unioncamere/MIMIT ed ente di formazione certificati da Regione Lombardia. Questo significa che non vendiamo soltanto tecnologia: trasferiamo competenze, costruiamo autonomia nelle organizzazioni clienti e garantiamo continuità nel tempo.
Lavoriamo con organizzazioni di medie e grandi dimensioni nei settori bancario, finanziario, sanitario, del real estate, legale e del manifatturiero avanzato, contesti in cui la qualità delle decisioni ha impatti regolamentari, reputazionali e operativi significativi e in cui esiste già una cultura della governance.
Siamo a SSBM 2026 perché il facility management e il real estate istituzionale sono per noi un ambito di elezione: combinano patrimonio fisico complesso, knowledge tecnica stratificata e crescente pressione normativa sull’efficienza e sulla sostenibilità. Esattamente il contesto in cui esprimiamo il valore differenziale e in cui la governance cognitiva smette di essere un concetto astratto per diventare un vantaggio competitivo misurabile.

Il caso Sparim, nella sua apparente specificità tecnica - planimetrie bancarie, layout di filiali, file DXF - rivela una questione universale: come evitare che la conoscenza produttiva di un’organizzazione si perda, si disperda o rimanga inaccessibile. L’intelligenza artificiale, senza governance, rischia di amplificare questo problema anziché risolverlo. La risposta di AISMA è semplice nella formulazione e complessa nell’esecuzione: l’AI non è uno strumento da adottare, ma una capacità organizzativa da costruire. Un patrimonio immateriale, al servizio del patrimonio immobiliare.

Contatti:
AISMA Srl
info@aisma.it - aismasrl.it