La mineria urbana, entesa com el procés de recuperació de materials i components d'edificis al final de la seva vida útil, depèn cada cop més de sistemes intel·ligents per a l'avaluació prèvia a la demolició. Aquests sistemes han de no només predir amb precisió, sinó també generar decisions defensables davant de reguladors i auditors. La combinació de grafs de coneixement (KG) i intel·ligència artificial explicable (XAI) ofereix una via prometedora per aconseguir aquest equilibri.
La mineria urbana s'ha convertit en un pilar de l'economia circular, permetent recuperar acer, coure, fusta i altres materials d'edificis obsolets. No obstant això, el procés d'avaluació prèvia a la demolició és complex: involucra normatives, seguretat estructural, impacte ambiental i valoració de materials. Els auditors necessiten eines que no només proporcionin prediccions, sinó que també expliquin com es va arribar a cada conclusió.
La intel·ligència artificial (IA) pot analitzar grans volums de dades de plànols, inspeccions i sensors, però els models de caixa negra generen desconfiança. D'altra banda, els grafs de coneixement estructuren la informació de l'edifici en entitats i relacions –com els components constructius, les seves propietats i les normatives aplicables–, però manquen de la capacitat predictiva de la IA. La complementarietat entre ambdues tecnologies permet construir sistemes que ofereixen tant precisió com transparència.
En aquest article explorem com la integració de KG i XAI pot transformar la mineria urbana, i com empreses com Q2BSTUDIO estan desenvolupant aplicacions a mida per a aquest sector. A més, esmentarem serveis complementaris com cloud, ciberseguretat i BI que potencien aquestes solucions.
Un graf de coneixement representa el domini de la construcció: materials, tipus de portes, sistemes de protecció contra incendis, normatives locals, etc. Cada node és una entitat i cada aresta una relació. Per exemple, una porta tallafocs té propietats com resistència al foc, ubicació i data d'instal·lació. Aquest graf permet als auditors consultar l'historial de l'edifici i verificar el compliment normatiu.
Per la seva banda, la IA explicable no només genera una classificació (per exemple, 'porta apta per a reutilització'), sinó que proporciona raons: pes de cada característica, contraexemples o regles subjacents. Tècniques com LIME, SHAP o contrafactuals ajuden a entendre per què el model va prendre una decisió. No obstant això, aquestes explicacions poden ser inconsistents si no estan ancorades en un context semàntic ric.
Aquí és on els KG actuen com a 'esquelet semàntic'. En integrar les explicacions de la IA amb les relacions del graf, s'obtenen justificacions contextualitzades. Per exemple, una explicació pot indicar que el factor determinant va ser 'any de fabricació', i el KG enllaça aquest atribut amb la normativa vigent en aquell any, permetent a l'auditor avaluar la validesa de la decisió.
Els modes d'integració són variats. Un consisteix a 'elevar' les prediccions del model a conceptes del graf (lifting), assignant etiquetes semàntiques. Un altre és 'restringir' l'espai de cerca del model usant restriccions del graf (constraining), evitant prediccions impossibles. També es pot 'tipificar' les explicacions segons categories del graf (typing), i 'revisar' els resultats mitjançant consultes al graf (revising). Tot i que aquests termes provenen de la literatura, la seva aplicació pràctica depèn de la implementació específica.
A la pràctica, un sistema de mineria urbana basat en KG i XAI podria funcionar així: un auditor puja imatges d'una porta tallafocs; un model de visió per computador classifica el seu estat; el sistema extreu del KG les característiques esperades segons normativa; després, un mòdul XAI genera una explicació mostrant quines àrees de la imatge van influir en la decisió; finalment, l'auditor pot contrastar aquesta explicació amb les dades del graf (data d'instal·lació, certificacions) per emetre un informe defensable.
Aquest flux requereix infraestructura robusta: emmagatzematge al núvol (AWS o Azure) per a les dades de sensors i plànols, capacitats d'IA en temps real, i protocols de ciberseguretat per protegir informació sensible de l'edifici. A més, la generació d'informes auditables pot recolzar-se en eines de Business Intelligence com Power BI, que visualitzen les explicacions i les dades del graf de forma comprensible.
Q2BSTUDIO, com a empresa de desenvolupament de programari i tecnologia, ofereix precisament això: solucions d'intel·ligència artificial integrades amb grafs de coneixement, adaptades a les necessitats de cada client. Els seus serveis inclouen la creació d'agents d'IA que interactuen amb el KG per respondre preguntes d'auditoria, automatització de processos d'avaluació, i consultoria en cloud i ciberseguretat.
Un cas concret és l'avaluació de portes tallafocs en un edifici comercial. El graf de coneixement conté les especificacions de cada porta (model, any, certificacions). Un model de classificació sobre imatges determina si la porta compleix els estàndards actuals. La IA explicable assenyala que la decisió es va basar en la presència de segellament ignífug i l'estat del marc. L'auditor, a través d'una aplicació web, pot navegar pel KG per verificar la data de l'última inspecció i la normativa aplicable, generant així un informe complet i defensable.
Aquesta aproximació no només millora la precisió de les avaluacions, sinó que redueix el risc legal i augmenta la confiança dels reguladors. La clau està en la complementarietat: el KG proporciona el context; la XAI proporciona la transparència; junts, permeten que l'auditor prengui decisions informades i justificables.
L'adopció d'aquestes tecnologies a la mineria urbana està encara en etapes primerenques, però el potencial és enorme. Les empreses que inverteixin en sistemes integrats de KG i XAI obtindran avantatges competitius en termes d'eficiència, compliment normatiu i sostenibilitat.
Per implementar aquestes solucions, és fonamental comptar amb un soci tecnològic que entengui tant l'enginyeria del coneixement com la intel·ligència artificial. Q2BSTUDIO combina ambdues disciplines, oferint des de la consultoria inicial fins al desenvolupament i desplegament en entorns cloud. A més, els seus serveis de ciberseguretat garanteixen que les dades dels edificis estiguin protegides, i les seves capacitats de BI permeten generar quadres de comandament per a la direcció.
En resum, la complementarietat entre grafs de coneixement i IA explicable és la clau per a una mineria urbana eficaç i responsable. La tecnologia ja està disponible; només cal aplicar-la amb criteri. Q2BSTUDIO està preparada per liderar aquest canvi, proporcionant aplicacions a mida que integren intel·ligència artificial, cloud, ciberseguretat i BI, tot orientat a generar decisions defensables i auditables.
