NotizieAzioniL'AI PlanAssist di Google DeepMind riduce fino al 58% i tempi di valutazione delle pratiche urbanistiche nel Regno Unito

L'AI PlanAssist di Google DeepMind riduce fino al 58% i tempi di valutazione delle pratiche urbanistiche nel Regno Unito

Autore: Google DeepMind Blog·

Punti chiave

  • •PlanAssist ha ridotto del 58% il tempo medio dei funzionari urbanistici nella valutazione delle pratiche domestiche durante i piloti a Barnet, Camden e Dorset iniziati a giugno.
  • •Lo strumento integrerà altre 12 autorità urbanistiche locali in tre gruppi durante una fase Beta di 12 mesi, portando il totale dei comuni partecipanti a 15.
  • •Oltre il 70% delle relazioni di valutazione redatte da PlanAssist è stato approvato dai funzionari urbanistici senza alcuna modifica.
  • •Le pratiche domestiche come ampliamenti, conversioni di sottotetto e verande rappresentano fino al 70% del carico di lavoro dei funzionari urbanistici.
  • •Se i test della Beta avranno successo, il governo britannico prevede di rendere PlanAssist disponibile a tutti i comuni inglesi nel 2027, con un funzionario qualificato che esamini ogni valutazione prima di qualsiasi decisione.
L'AI PlanAssist di Google DeepMind riduce fino al 58% i tempi di valutazione delle pratiche urbanistiche nel Regno Unito

Google DeepMind ha annunciato che PlanAssist, uno strumento di intelligenza artificiale che assiste i funzionari urbanistici del Regno Unito, ha ridotto fino al 58% il tempo dedicato alla valutazione delle pratiche edilizie domestiche durante i primi test pilota. Lo strumento sarà ora reso disponibile ad altre 12 autorità urbanistiche locali in tutta l'Inghilterra.

Nei primi test pilota condotti a Barnet, Camden e Dorset, PlanAssist ha ridotto del 58% il tempo medio che un funzionario urbanistico dedicava alle attività di valutazione delle pratiche domestiche. Lo strumento è progettato per supportare il giudizio umano, non per sostituirlo: accelera i controlli di routine garantendo al contempo che i funzionari urbanistici mantengano la parola finale su ogni pratico.

L'annuncio, firmato da Owen Larter e David Thacker e pubblicato sul blog di Google DeepMind, fa parte della più ampia partnership tra Google DeepMind e il governo britannico per esplorare come l'AI possa contribuire a trasformare l'urbanistica e altri servizi pubblici. PlanAssist è realizzato con Gemini, il modello di intelligenza artificiale dell'azienda.

I colli di bottiglia urbanistici hanno costi reali. Per l'economia, rallentano il progresso verso l'obiettivo del governo britannico di costruire 1,5 milioni di nuove abitazioni entro il 2029. Per le famiglie, possono significare mesi di attesa per l'approvazione di interventi semplici come una conversione di sottotetto, una veranda o un ampliamento.

Come PlanAssist supporta i funzionari

Le pratiche domestiche di routine — proposte di miglioramento della casa come ampliamenti, conversioni di sottotetto o verande — rappresentano fino al 70% del carico di lavoro dei funzionari urbanistici. Spesso sono semplici da approvare, ma assorbono una quota sproporzionata del loro tempo.

PlanAssist è stato sviluppato da Google DeepMind in collaborazione con il governo britannico, Google Cloud e Faculty. Lo strumento semplifica questo lavoro fornendo ai funzionari urbanistici un supporto automatizzato nell'elaborazione delle pratiche e nella redazione delle raccomandazioni di valutazione.

Lo strumento innanzitutto valida i documenti della praticazione e i disegni architettonici, verificando che le informazioni richieste siano state presentate affinché la praticazione possa procedere. Controlla quindi la praticazione rispetto ai vincoli patrimoniali, come gli ordini di tutela degli alberi, nonché alle politiche urbanistiche locali e nazionali. Verifica inoltre se siano stati sollevati in precedenza problemi o opposizioni, ad esempio da parte dei residenti locali. Infine, redige relazioni completamente citate che i funzionari urbanistici possono modificare prima di giungere a una decisione finale.

Da giugno, lo strumento è stato sperimentato nei comuni di Barnet, Camden e Dorset, con risultati iniziali incoraggianti. Oltre a più che dimezzare il tempo di valutazione del funzionario per praticazione, più del 70% delle relazioni generate dallo strumento — relative a questioni come la conformità di una praticazione alle regole urbanistiche locali o la completezza della documentazione presentata dal richiedente — è stata approvata dai funzionari senza necessità di modifiche.

Dal pilota alla scala

PlanAssist sta ora entrando in una fase Beta di 12 mesi con pratiche reali, a partire da un sottoinsieme di comuni. Altri dodici comuni verranno integrati in tre gruppi, portando il totale delle autorità partecipanti a 15. Insieme, questi comuni coprono distretti metropolitani e rurali di tutto il Paese, consentendo di testare le capacità di PlanAssist su un'ampia gamma di comunità.

Subordinatamente all'esito positivo dei test, il governo prevede di rendere lo strumento disponibile a tutti i comuni inglesi nel 2027, con ogni valutazione esaminata e approvata da un funzionario urbanistico qualificato prima di qualsiasi decisione. Questa condizione rende la fase della Beta con pratiche reali — e i risultati dei tre gruppi di integrazione — le tappe fondamentali da monitorare prima di un eventuale lancio su scala nazionale.

L'AI al servizio delle comunità

Le decisioni urbanistiche influenzano la vita quotidiana, dalla famiglia che aggiunge una cameretta per un neonato al proprietario di casa che si prepara all'inverno. Gestendo le attività amministrative più dispendiose in termini di tempo e garantendo che i funzionari urbanistici mantengano la parola finale su ogni decisione, PlanAssist dimostra come l'AI possa contribuire a ridurre gli arretrati e ad approvare le pratiche più rapidamente.

Google DeepMind ha dichiarato che l'estensione dell'accesso ai nuovi comuni è il naturale passo successivo, e che non vede l'ora di continuare a supportare il governo britannico nel suo impegno a costruire più abitazioni e liberare la crescita economica in tutto il Paese.

Fonte: Google DeepMind Blog