Nel mondo dell'informatica esiste un vecchio detto che risale ai primi mainframe: "Spazzatura in ingresso, spazzatura in uscita". Significa che una macchina può funzionare solo con i dati che le vengono forniti e, se le si forniscono informazioni errate, restituirà risposte errate con assoluta certezza. Questo principio non è mai stato così importante come ora, con l'intelligenza artificiale che inizia a comparire negli strumenti che utilizziamo per progettare, installare e ispezionare i sistemi antincendio. La tecnologia è impressionante. Ma sono i dati che la supportano a determinare tutto.

Perché la qualità dei dati è importante nella protezione antincendio

La protezione antincendio è una disciplina che si basa sulla cura dei dettagli. Un progettista che dimensiona un sistema secondo la norma NFPA 13 si avvale di un bagaglio di conoscenze collaudato in caso di incendi reali, guasti reali e perdite di vite umane reali. Quando chiediamo a uno strumento di intelligenza artificiale di aiutarci in questo lavoro, gli chiediamo di attingere alle informazioni su cui è stato addestrato. Se queste informazioni sono aggiornate, accurate e basate sulle normative effettivamente utilizzate, lo strumento può essere di reale aiuto. Se invece sono obsolete, incomplete o raccolte da fonti non verificate su internet, lo strumento diventa una fonte di errore silenzioso e infallibile. E l'errore infallibile è il più pericoloso in un'applicazione che riguarda la sicurezza delle persone.

Cosa significa la qualità dei dati per l'IA nei sistemi di sicurezza antincendio

Consideriamo cosa significhi concretamente "qualità dei dati" nel nostro contesto. Significa che l'edizione dello standard è fondamentale. Un modello addestrato su un'edizione obsoleta della norma NFPA 13 potrebbe citare regole di spaziatura o classificazioni di rischio non più valide. Significa che la fonte è importante. Le indicazioni tratte dal manuale di installazione di un produttore hanno un peso diverso rispetto a un commento su un forum, eppure un sistema di intelligenza artificiale incapace di distinguere tra le due cose le tratterà entrambe come ugualmente vere. Significa che il contesto è importante. Una regola corretta per un ambiente a basso rischio può essere errata, persino pericolosa, se applicata a una configurazione di stoccaggio per la quale non era stata pensata. La macchina non è in grado di distinguere a meno che i dati non le abbiano insegnato la differenza.

Come NFPA e NFSA stanno sviluppando l'intelligenza artificiale basandosi su fonti autorevoli

È qui che il settore sta iniziando a fare qualcosa di degno di nota. NFPA e NFSA hanno iniziato a sviluppare strumenti di intelligenza artificiale basati su fonti autorevoli anziché sul web aperto. NFPA descrive il suo assistente CASI, lanciato all'interno di NFPA LiNK, come una risposta di cui gli utenti possono fidarsi perché si basa su contenuti ufficiali NFPA e restituisce citazioni ai passaggi di origine su cui si basa (NFPA, 2026). NFSA ha intrapreso un percorso simile con il suo strumento Chat EOD per domande di ingegneria e progettazione. Quando uno strumento ricava le sue risposte dal corpo effettivo di codici e standard, la qualità dell'input aumenta notevolmente e l'output diventa qualcosa con cui un professionista può iniziare a lavorare. Questa base è il punto cruciale. È la differenza tra uno strumento che tira a indovinare e uno strumento che ragiona a partire dagli stessi documenti che si consulterebbero. Il valore di questi sforzi non sta nel fatto che siano alimentati dall'IA. Il valore sta nel fatto che qualcuno si è preso cura di ciò che è stato utilizzato.

Il problema delle allucinazioni quando i dati sono scarsi

Al contrario, ciò non si verifica quando i dati sono di scarsa qualità. Un modello generico, interrogato su una questione di protezione antincendio, spesso produce una risposta che suona autorevole e di facile lettura. Potrebbe citare uno standard per nome. Potrebbe usare la terminologia corretta. E potrebbe essere errato in modi che solo un professionista esperto sarebbe in grado di individuare. Questo è il problema dell'allucinazione, e non è un raro errore. È una conseguenza prevedibile del chiedere a un sistema di esprimersi al di là di ciò che i suoi dati possono supportare. Il sistema non mente. Non ha alcun concetto di verità. Sta assemblando una risposta plausibile a partire da schemi, e quando gli schemi sottostanti sono deboli o imperfetti, anche la risposta è debole o imperfetta, mascherata da un linguaggio fluente che nasconde la lacuna. La professione legale lo ha imparato a sue spese quando due avvocati hanno presentato un atto giudiziario basato su casi inventati da uno strumento di intelligenza artificiale, e il giudice li ha sanzionati per questo (Mata contro Avianca). Le citazioni inventate sembravano reali. Semplicemente non esistevano.

Responsabilità professionale e standard di cura

La posta in gioco rende la questione ben più di una semplice curiosità tecnica. Nel nostro settore, un errore non rimane sullo schermo. Diventa un progetto che viene approvato, un sistema che viene installato, un edificio che viene occupato. Il professionista responsabile che timbra un disegno si assume la responsabilità professionale per esso, e nessuno strumento di intelligenza artificiale condivide questa responsabilità. Se i dati che alimentano lo strumento sono errati, il professionista è comunque responsabile del risultato. È una riflessione che fa riflettere e dovrebbe influenzare il modo in cui ognuno di noi si approccia a questi strumenti. Siamo responsabili di ciò che produciamo, qualunque cosa ci abbia aiutato a produrlo.

Buone prassi per l'utilizzo di strumenti di intelligenza artificiale nella protezione antincendio.

Quindi, come si presenta una buona prassi con l'avvento di questi strumenti? Si comincia con la conoscenza della provenienza della risposta. Uno strumento in grado di mostrare le proprie fonti, citare lo standard effettivo e indicare il passaggio su cui si basa è molto più utile di uno che si limita ad affermare qualcosa. Si prosegue con la verifica. Ogni output di un sistema di intelligenza artificiale dovrebbe essere confrontato con il codice normativo di riferimento, nello stesso modo in cui si verificherebbe il lavoro di un collega junior, perché in sostanza è proprio questo che si sta facendo. E tutto si basa sul giudizio, quel tipo di giudizio che deriva da anni di esperienza, che permette a un progettista esperto di percepire quando una risposta non è corretta ancor prima di poterne spiegare il motivo. Questo istinto non può essere sostituito dalla macchina. È l'ultima linea di difesa quando i dati ci deludono.

La qualità dei dati determina se l'IA protegge le vite umane.

Niente di tutto ciò è un motivo per allontanarsi dalla tecnologia. Gli strumenti basati su fonti autorevoli stanno già dimostrando cosa possono fare dati accurati, e miglioreranno ulteriormente. Il punto è più semplice e antico di qualsiasi altra considerazione: uno strumento è valido solo quanto i dati che vi vengono inseriti. Nella maggior parte dei settori, una risposta inadeguata è un inconveniente. Nel nostro, può mettere a rischio la vita delle persone. Ecco perché la qualità dei dati non è una preoccupazione secondaria per la nostra professione. È la preoccupazione che determina se questi strumenti ci aiutano a proteggere vite umane o se minano silenziosamente lo standard di cura che abbiamo impiegato decenni a costruire.

Le macchine continueranno a migliorare. Il nostro obbligo resta lo stesso. La comunità degli ingegneri antincendio ha già indicato dove concentrare la propria attenzione. Al Summit SFPE sull'IA nell'ingegneria antincendio a cui ho partecipato a Berkeley nel 2025, la verifica e la validazione si sono distinte come priorità condivisa dai professionisti presenti. Le persone che occupano gli edifici che proteggiamo contano sul lavoro che abbiamo controllato personalmente, non su risposte fornite da una macchina sulla base della nostra fiducia. "Dati errati in ingresso, dati errati in uscita" era vero per gli operatori di mainframe che coniarono questo detto. È altrettanto vero oggi, e il costo di dimenticarlo non è mai stato così alto.

 Riferimenti

Chat EOD: Sviluppato dal settore, per il settore. https://nfsa.org/2025/11/06/chat-eod-developed-by-the-industry-for-the-industry/

NFPA presenta NFPA LiNK 3.0, che promuove la trasformazione digitale nel settore della sicurezza antincendio e della salvaguardia della vita umana. https://www.nfpa.org/about-nfpa/press-room/news-releases/2026/nfpa-unveils-nfpa-link-3-0-advancing-digital-transformation-in-fire-and-life-safety

Lezioni pratiche dagli errori dell'avvocato AI nel caso Mata contro Avianca. https://www.acc.com/resource-library/practical-lessons-attorney-ai-missteps-mata-v-avianca

Riflessioni sul Summit sull'IA nell'ingegneria antincendio del 2025. https://www.sfpe.org/blogs/amanda-tarbet/2025/08/01/2025-ai-in-fire-engineering-summ