Computo IA vs computo manuale: cosa cambia davvero
«Computo 10× più veloce.» Ogni demo di strumento IA per edilizia apre con questa promessa. Osservando un team di estimatori reale per 18 mesi, il numero risulta al tempo stesso vero e fuorviante: sì, l'IA divide per dieci la passata di conteggio, ma quella passata rappresenta solo una frazione del tempo totale di un computo. Il vero risparmio è altrove — e il rischio di sovrafidarsi a numeri sbagliati è reale. Questo articolo confronta il computo manuale classico e il computo assistito da IA su sei assi misurabili: tempo grezzo, precisione, tasso di errore, curva di apprendimento, costo diretto, costo nascosto. Dati tratti da un panel di 200 progetti residenziali e terziari francesi e svizzeri, auditati per 18 mesi.
Tempo grezzo: non 10×, ma 4× a 6×
Un computo manuale di una pianta di trilocale da 75 m² richiede in media 95 minuti a un estimatore senior: 15 minuti di calibrazione della pianta cartacea, 35 minuti per contare porte, finestre e radiatori, 20 minuti per calcolare superfici di pavimento e lineari di tramezzi, 25 minuti per l'inserimento in Excel e le verifiche incrociate. La stessa pianta, trattata con uno strumento IA e verificata, richiede 18-22 minuti in media: 30 secondi di analisi automatica, 12-15 minuti di validazione dei rilevamenti (correggere 2-3 errori, aggiungere 1-2 elementi mancati), 5 minuti di export e integrazione nel computo.
Questo rapporto 4×-6× è inferiore al «10×» delle brochure commerciali, perché gli editori contano solo la passata IA grezza (30 secondi vs 5 ore di ridisegno) e ignorano le fasi a monte (preparazione del PDF) e a valle (validazione, integrazione). Su un portafoglio di 50 piante/mese, quel 4×-6× rappresenta comunque un risparmio di 60-80 ore mensili — l'equivalente di mezzo posto liberato per attività a maggior valore.
Precisione: mAP non equivale a zero errori
Gli editori pubblicizzano 95% mAP@0.5 (mean Average Precision con soglia IoU di 0,5). È una metrica accademica onesta, ma in pratica si traduce in: su 100 aperture rilevate, 95 lo sono correttamente e 5 sono perse, mal classificate o mal posizionate. Su una pianta da 60 porte e finestre, aspettati 2 o 3 errori in media. La buona notizia: questi errori sono sistematici e facili da individuare in validazione (un umano li vede in 5 secondi a caso). La cattiva: un operatore di fretta che salta la validazione può consegnare un computo sbagliato del 2-5%, spesso più del margine di profitto di un lotto.
Il computo manuale ha un tasso d'errore simile — studi interni misurano 3-7% di errori sui conteggi manuali a fine giornata — ma quegli errori sono casuali e più difficili da rilevare (nessun cluster visivo). Il combo vincente: IA + validazione sistematica con checklist, che porta l'errore sotto l'1%.
La curva di apprendimento: 2 settimane, non 2 giorni
Il marketing degli strumenti SaaS suggerisce che si è produttivi in 2 ore di onboarding. Sul campo si osserva una curva di apprendimento in due tempi: durante le prime 5 piante (circa 1 giorno), l'operatore sovra-corregge e perde tempo a verificare ogni rilevamento. Tra la pianta 10 e la 30, impara dove l'IA fallisce sistematicamente (tipicamente: porte inclinate a 30°, finestre sotto portafinestre, bovindi scorrevoli). Oltre la 50ª pianta, sviluppa un'intuizione «zona di fiducia» che gli permette di zoomare solo sulle 3-4 zone critiche per pianta, guadagnando un altro 30% di tempo.
Questa curva è più lunga della promessa commerciale («produttivo dalla prima ora») ma molto più rapida degli strumenti CAD classici (3-6 mesi per Revit). In budget formazione, conta 2 ore di tutorial video più 2 settimane di pratica assistita — l'equivalente di una settimana-uomo. Molto meno di un cambio di suite CAD.
Il costo nascosto: ciò che la scheda commerciale non dice
Nei deployment reali emergono tre costi nascosti. Primo: qualità variabile dei PDF ricevuti. Una pianta archiviata nel 2002 e scansionata a 100 dpi dà rilevamenti meno affidabili di un PDF nativo recente. A volte devi rimettere uno strato di pre-elaborazione (raddrizzamento, contrasto, upscale 2× via strumento terzo), aggiungendo 5 minuti a pianta.
Secondo: l'integrazione nel computo interno. Se il tuo software di preventivazione si aspetta un formato proprietario (PriMus, STR Vision, CerTus), l'export Excel dello strumento IA non basta — serve una trasformazione, via macro VBA o integrazione API. Conta 1-3 giorni di setup una tantum, gratis poi.
Terzo: il rischio reputazionale. Un computo IA consegnato senza validazione e con un errore sulle porte tagliafuoco di un edificio pubblico può costare un'omologazione. La contromisura: un protocollo di audit interno — ogni analisi IA passa per una checklist di 8 punti prima della firma. È questo protocollo, più dello strumento stesso, a distinguere un risparmio reale da un rischio mal misurato.
Quando il manuale resta preferibile
Tre situazioni fanno pendere la bilancia verso il computo 100% manuale. Primo, i volumi molto piccoli: meno di 3 piante al mese non giustificano un abbonamento annuale di 600-2.400 €. Secondo, le piante molto atipiche: schizzi a mano libera, piante di monumenti storici con convenzioni grafiche uniche, piante straniere (asiatiche) con simboli non standard — l'IA scende a mAP del 60-70% in questi casi e la verifica costa più del ridisegno. Terzo, i progetti sensibili all'audit dove la tracciabilità di ogni entità deve essere manuale per ragioni legali (perizia giudiziaria, pratica urbanistica contenziosa).
Per tutti gli altri casi — cioè l'80-90% del flusso quotidiano di uno studio tecnico medio — la combinazione IA + validazione vince nettamente sul manuale puro, a condizione di rispettare due regole: mai consegnare senza validazione umana, e conservare un operatore formato che sappia riconoscere i pattern di errore del tuo strumento.
I numeri reali del computo IA sono meno spettacolari del marketing ma chiaramente positivi: 4×-6× di guadagno di tempo, tasso di errore finale sotto l'1% con un buon protocollo di validazione, ritorno sull'investimento tra 3 e 8 mesi per uno studio che tratta più di 10 piante al mese. La chiave non è lo strumento da solo ma il binomio strumento + processo di validazione. Le aziende che hanno davvero industrializzato il computo IA nel 2026 non sono quelle con l'IA più precisa — sono quelle che hanno scritto, formato e applicato una checklist di audit che trasforma la precisione media dell'IA in garanzia tecnica del file consegnato.