Usabilità e competenze dei Large Language Models nella validazione del progetto di costruzioni : il caso del progetto strutturale

This thesis explores how Large Language Models, i.e., large-scale linguistic models based on generative artificial intelligence, could facilitate the development of the structural design validation process typical of Italian public procurement and, in general, the enrichment of post-hoc information models. In an increasingly digitized AEC sector, the research focuses on extracting technical information from structural calculation reports, evaluating the effectiveness of LLMs in supporting verification and control activities. The approach combines prompt engineering techniques with pre-processing tools for traditional design documents (in PDF format) and the definition of key entities to be recognized. The methodology was tested on a real case study, applying different generative AI models and finally comparing the results. The analyses conducted made it possible to evaluate the strengths, limitations, and practical advantages of using LLMs compared to traditional methods. The results show improvements in terms of accuracy, analysis speed, and quality of the outputs produced, while highlighting some critical issues related to context understanding and technical document management. The study concludes with a reflection on the future prospects of integrating generative AI into the building project lifecycle, with the aim of improving the quality and productivity of construction engineering.

La presente tesi esplora come i Large Language Models, ovvero modelli linguistici di grandi dimensioni basati sull’intelligenza artificiale generativa, potrebbero facilitare lo sviluppo del processo di validazione del progetto strutturale, tipico degli appalti pubblici italiani e, in generale, l’arricchimento dei modelli informativi a posteriori. In un settore AEC sempre più digitalizzato, il lavoro di ricerca si concentra sull'estrazione di informazioni tecniche dalle relazioni di calcolo strutturale, valutando l’efficacia degli LLM nel supportare attività di verifica e controllo. L’approccio adottato combina tecniche di prompt engineering con strumenti di pre-processing di documenti (di testo) progettuali tradizionali (in formato PDF) e sulla definizione delle entità chiave da riconoscere. La metodologia è stata testata su un caso studio reale, applicando diversi modelli di IA generativa e confrontandone infine i risultati. Le analisi condotte hanno consentito di valutare punti di forza, limiti e vantaggi pratici legati all’impiego degli LLM rispetto ai metodi tradizionali. I risultati mostrano miglioramenti in termini di accuratezza, velocità di analisi e qualità degli output prodotti, pur evidenziando alcune criticità legate alla comprensione del contesto e alla gestione dei documenti tecnici. Lo studio si conclude con una riflessione sulle prospettive future dell’integrazione dell’IA generativa nel ciclo di vita del progetto edilizio, con l’obiettivo di migliorare la qualità e la produttività dell’ingegneria delle costruzioni.