La notizia arriva da Zurigo: goNEON Agentic Systems, spin-off del Politecnico federale, ha incassato 160mila euro (150mila franchi) dal fondo Venture Kick. La cifra è modesta, quasi simbolica, ma il segnale che porta con sé è più pesante. Perché la startup ha scelto un campo in cui l’intelligenza artificiale generativa ancora non si era fatta largo con credibilità: la progettazione di infrastrutture civili.

Il problema che goNEON attacca è noto a chiunque lavori nella pianificazione di strade, reti idriche, ponti o lottizzazioni. Oggi, malgrado la digitalizzazione di facciata, gli ingegneri civili si muovono in un labirinto di flussi di lavoro manuali, software scollegati e analisi che mangiano settimane. Ogni volta che serve valutare più alternative progettuali – per esempio variare il tracciato di una condotta o rispettare un nuovo vincolo normativo – si ricomincia quasi da capo, tra fogli di calcolo, modelli CAD e verifiche locali. Il risultato è che si esplorano poche configurazioni, spesso conservatrici, e i tempi si dilatano mentre i budget si stringono.

La piattaforma di goNEON cambia l’approccio alla radice. Invece di chiedere all’ingegnere di disegnare e poi verificare, il sistema genera automaticamente opzioni progettuali a partire da requisiti tecnici, regolamenti locali e vincoli reali del sito. L’agente AI non produce schizzi grossolani: sforna varianti già compatibili con le norme, che il team umano può valutare, confrontare e rifinire. Il salto è temporale: da settimane a minuti. Questo significa che si possono testare dieci, venti alternative invece di una o due, alzando la qualità ingegneristica e riducendo il rischio di errori costosi in fase esecutiva.

Il finanziamento servirà a tre cose: identificare progetti pilota con il miglior potenziale di mercato, trasformare i flussi di lavoro più ripetibili in moduli scalabili di prodotto e convalidare i casi d’uso che faranno da fondamenta alla piattaforma allargata. I fondatori Raphael Eder (CEO) e Lukas Ballo (CTO) combinano competenze in imprenditoria, intelligenza artificiale e pianificazione urbana. Ballo, in particolare, porta una solida esperienza di ricerca nel cuore delle decisioni spaziali automatizzate.

Ma è l’angolo cieco della notizia a interessare chi si occupa di deployment dell’AI in contesti regolamentati. goNEON non dichiara se la piattaforma girerà in cloud, on-premise o in modalità ibrida. Eppure il dominio di applicazione – infrastrutture pubbliche o di pubblica utilità – tocca nervi scoperti di sovranità dei dati, riservatezza dei progetti e conformità normativa. Enti come municipalità, multiutility e studi di ingegneria con commesse statali trattano informazioni che non possono affatto uscire dal perimetro aziendale. Anzi, in molti casi le normative locali impongono che i dati restino fisicamente entro confini precisi. Per questo, una piattaforma agentica che genera piani infrastrutturali potrebbe dover offrire, prima o poi, una variante self-hosted, gestita internamente e air-gapped.

Il punto non è tecnico, ma strutturale. L’automazione intelligente della progettazione porta con sé una domanda latente: chi custodisce i dati sensibili dei territori? Se la risposta sarà “il fornitore cloud”, molti committenti pubblici alzeranno un muro. Se invece sarà “il committente stesso, sulla propria infrastruttura”, allora il modello di business dovrà evolvere verso licenze on-premise, pacchetti containerizzati o appliance dedicate – tutte soluzioni che richiedono investimenti in sicurezza e una diversa gestione del TCO.

È qui che la vicenda goNEON si aggancia alle dinamiche che l’analisi AI-RADAR segue da vicino: l’adozione di Large Language Models e agenti in ambienti enterprise non può prescindere dalla scelta del deployment. Per chi valuta il self-hosting, esistono trade-off precisi tra controllo, latenza, costo operativo e velocità di aggiornamento, che vanno soppesati caso per caso. Su /llm-onpremise è disponibile un framework analitico per districare questi nodi.

Dal punto di vista competitivo, l’arrivo di goNEON non scuoterà subito i colossi del CAD, ma semina una promessa: l’AI agentica può diventare un co-pilota fidato dell’ingegneria civile, non un sostituto. A beneficiarne saranno gli studi medio-piccoli che potranno partecipare a gare con proposte più solide, e i committenti pubblici che vedranno progetti meglio ottimizzati e verificabili. A rimetterci potrebbero essere i vendor di software che restano ancorati a interfacce tradizionali, incapaci di integrare moduli di reasoning automatico. La partita vera, però, si giocherà sulla capacità di costruire fiducia: ogni opzione progettuale dovrà essere spiegabile, replicabile e verificabile. In mancanza di questo, nessun ingegnere firmerà mai un progetto generato da un’AI, per quanto veloce sia.