Negli ultimi anni, l'integrazione tra modelli di linguaggio e sistemi informativi geografici è diventata un tema centrale nel campo della geomatica applicata.
La transizione da flussi di lavoro basati su interfacce e script verso soluzioni in cui l'operatore formula una richiesta in linguaggio naturale è oggi ampiamente dibattuta, specialmente per quegli ambienti in cui il tempo si perde più nella preparazione dei dati che nell'analisi territoriale.
Spesso, l'adozione di un assistente AI in ambito GIS viene presentata come una soluzione "miracolosa", capace di sostituire competenze geomatiche e di automatizzare qualsiasi catena di processing. In realtà, il contributo reale di questi strumenti dipende fortemente dalla qualità dei dati, dal contesto del progetto e dal grado di controllo che l'operatore mantiene sulle operazioni eseguite. In questo articolo analizziamo cosa può realmente offrire l'intelligenza artificiale al GIS desktop, quali sono i suoi limiti pratici e in quali scenari rappresenta un valore aggiunto concreto, prendendo come riferimento Strata, un ambiente GIS con agente AI nativo.
Il problema operativo: QGIS è potente, il collo di bottiglia è altrove
QGIS è da anni in grado di fornire un ambiente solido per l'analisi spaziale, con una filosofia open source ampiamente apprezzata dalla comunità. Tuttavia, quando messo sotto stress nei flussi di lavoro quotidiani, il tempo si concentra spesso su attività collaterali rispetto all'interpretazione del territorio:
- ricerca e scarico di dataset da portali eterogenei
- ricostruzione a memoria di espressioni del Field Calculator
- scrittura e debug di script PyQGIS
- allineamento di sistemi di riferimento, join spaziali e tipi di campo
In contesti professionali, come screening energetici, analisi ambientali o gestione del territorio, questi passaggi possono occupare una quota rilevante della giornata, lasciando all'analisi vera e propria una frazione minore del tempo disponibile. Non si tratta di un limite dello strumento GIS in sé, ma di un problema di interfaccia tra l'intento dell'operatore e la sequenza di comandi necessari per realizzarlo.
Due approcci all'AI nel GIS
Una prima famiglia di soluzioni consiste nell'uso di chatbot generali, esterni all'ambiente GIS. L'operatore copia frammenti di codice, riceve uno script e lo incolla nella console Python. Il modello non "vede" i layer del progetto, non conosce i nomi dei campi e non può verificare il risultato sulla mappa. Il rischio è quello di ottenere snippet generici, formalmente corretti ma inapplicabili al dato reale.
Una seconda famiglia, in rapida crescita, integra l'assistente direttamente nel desktop GIS: plugin che espongono una chat, agenti capaci di generare PyQGIS, o applicazioni nativamente progettate intorno al linguaggio naturale. Qui il modello ragiona sul workspace — layer, attributi, documenti — e può proporre o eseguire operazioni, con diversi livelli di autonomia. La differenza non è cosmetica: avere il contesto del progetto cambia la qualità delle risposte e, soprattutto, permette di chiudere il ciclo sulla mappa, dove l'errore si vede.
Strata: un agente nativo, non un plugin
Strata (getstrata.org) appartiene a questa seconda famiglia, con una scelta architetturale specifica: non è un plugin da aggiungere a un'installazione QGIS esistente, ma un ambiente GIS con AI integrata, basato su QGIS e disponibile per macOS, Windows e Linux. Il flusso dichiarato è lineare: si scarica l'applicazione, si apre il progetto, si chiede in linguaggio naturale ciò che serve. Il risultato viene mostrato accanto alla mappa, nello stesso ambiente in cui l'operatore già lavora.
L'aspetto centrale di Strata risiede nella sequenza "chiedi, approva, fatto". L'agente può ispezionare i layer, proporre un'analisi — buffer, interrogazioni, export GeoJSON, catene di processing — e eseguirla solo dopo l'approvazione dell'utente. Non si tratta quindi di un'automazione cieca, ma di un ciclo in cui chi usa lo strumento mantiene il controllo sulle operazioni che modificano il progetto.
Va ricordato, sul piano formale, che Strata è un servizio commerciale indipendente basato su QGIS e non è affiliato a QGIS.ORG né al progetto QGIS.
Tre modalità in una sola applicazione
Strata propone tre livelli di autonomia, senza uscire dall'ambiente di lavoro:
- modalità di pianificazione (Plan): l'agente ragiona sul workflow prima di eseguirlo, utile per comprendere la catena di analisi e per revisionarla
- modalità di esecuzione (Agent): l'agente opera sui layer e sugli strumenti, con approvazione dell'utente
- modalità di interrogazione: si chiede informazione sul progetto senza necessariamente lanciare processing
Questa distinzione è rilevante sul piano operativo. In ambiti in cui l'errore ha conseguenze — dati della pubblica amministrazione, vincoli ambientali, analisi a supporto di decisioni — poter leggere il piano prima di eseguirlo riduce il rischio di trattare lo strumento come una "scatola nera". La modalità Plan, in particolare, avvicina l'agente a un collega che propone una procedura, più che a un esecutore automatico.
Cosa apporta realmente un agente AI nella pratica
Riduzione del tempo di allestimento. Il contributo più evidente è lo spostamento del tempo da attività ripetitive verso l'analisi. Trovare un layer, caricarlo, calcolare un buffer o esportare un GeoJSON può diventare una richiesta, anziché una sequenza di menu, ricerche web e script. Un caso descritto dagli sviluppatori riguarda uno screening fotovoltaico sulla provincia di Piacenza: a partire da dati pubblici (DTM regionale, confini ISTAT, vincoli ambientali, rete elettrica, uso del suolo) l'agente ha permesso di costruire un report di aree candidate attraverso un numero contenuto di prompt, all'interno di un normale progetto GIS.
Contesto del progetto, non snippet generici. A differenza di un chatbot esterno, un agente nativo può riferirsi ai layer, agli script e ai documenti del workspace. Le risposte possono citare i campi reali della tabella attributi e le geometrie caricate, riducendo lo scarto tra codice proposto e dato disponibile.
Abbassamento della soglia di accesso agli strumenti avanzati. Per figure professionali con competenza di dominio — agronomi, urbanisti, geologi — ma meno dimestichezza con PyQGIS, il linguaggio naturale può rendere accessibili operazioni che altrimenti richiederebbero un allineamento tecnico significativo. Non elimina la necessità di comprendere il risultato, ma sposta il punto di ingresso: si parte dall'obiettivo territoriale, non dalla sintassi dello strumento.
Cosa l'intelligenza artificiale non può fare
È importante chiarire anche cosa un agente GIS non garantisce automaticamente e quali sono i limiti intrinseci a questa tecnologia:
- Non sostituisce la competenza geomatica: un modello può proporre un buffer in metri su un layer in un CRS geografico, ignorare la topologia o trattare come confrontabili dataset con semantica diversa. L'approvazione dell'utente è utile solo se chi approva sa cosa sta guardando.
- Non risolve la qualità del dato: se il layer è incompleto, datato o georeferenziato in modo errato, l'agente accelera un'analisi sbagliata.
- Non è sempre la scelta ottimale: per operazioni ripetitive, certificate e da documentare in procedure interne o in capitolati della pubblica amministrazione, una catena di Processing esplicita, versionata e riproducibile resta spesso preferibile a una conversazione.
- Non elimina l'allucinazione: il modello può inventare un algoritmo, un parametro di un tool o un dataset inesistente. Il ciclo di verifica visiva sulla mappa e, ove possibile, un ricalcolo indipendente restano parte del mestiere.
Inoltre, tra le criticità da considerare, si segnala che l'esecuzione di codice generato (PyQGIS, installazione di librerie a runtime) introduce una superficie di rischio nuova rispetto all'uso tradizionale della toolbox. In ambienti con dati sensibili, questo aspetto va valutato con la stessa attenzione riservata a qualsiasi script di terze parti.
Dati territoriali, privacy e on-premise
Un punto dirimente per l'adozione in Italia, in particolare presso enti e operatori che trattano dati territoriali non pubblici, è dove gira il modello. Molte soluzioni AI in cloud implicano l'invio di prompt — e talvolta di estratti del progetto — a servizi esterni. Per layer vincolati, anagrafi o dati di protezione civile, questo può essere incompatibile con i vincoli di trattamento.
Strata prevede sia un'offerta cloud gestita sia un'installazione on-premise con modelli di linguaggio locali, senza uscita dei dati verso servizi esterni, con indicizzazione su database cifrati e, in ambito enterprise, audit completo. Per analisi su territori soggetti a vincoli di riservatezza, la possibilità di lavorare offline non è un optional: è spesso la condizione senza la quale lo strumento non può entrare in produzione.
Considerazioni finali
L'adozione di agenti AI nel GIS rappresenta uno strumento potente per accelerare allestimento, interrogazione e catene di analisi. Il suo reale valore emerge quando viene utilizzato con consapevolezza, comprendendo le necessità del progetto e mantenendo il controllo sulle operazioni che modificano i dati.
Strata, in questo quadro, è un esempio concreto di una direzione in cui l'intelligenza artificiale non sostituisce il desktop GIS, ma vi si innesta: stessa mappa, stessi layer, un canale in linguaggio naturale accanto al canvas. Non rende obsolete le competenze di geomatica, né le procedure riproducibili già in uso. Rappresenta piuttosto un aggiornamento del modo in cui si accede agli strumenti, analogamente a quanto accaduto con il passaggio da interfacce puramente manuali a Processing e PyQGIS.
Con l'evoluzione dei modelli e delle architetture on-premise, è verosimile che gli agenti nativi diventino sempre più centrali nel lavoro geomatico quotidiano, soprattutto in quegli ambienti dove il tempo dedicato alla preparazione dei dati non è più disposto ad accettare compromessi — a patto che l'operatore resti, come oggi, il responsabile dell'analisi.
Fonte: ( GTER )
