Verso edifici sempre più consapevoli

Comprendere meglio i movimenti delle persone negli spazi in cui vivono e lavorano potrebbe rendere i loro ambienti anche più sicuri e sostenibili. Tuttavia, la sorveglianza continua attraverso telecamere solleva inevitabili problemi di privacy. La startup statunitense Butlr, unendo tecnologia e intelligenza artificiale, lavora da sei anni allo sviluppo di una soluzione che unisce sicurezza, efficienza energetica e rispetto della privacy. E cerca di portare un passo avanti nell’evoluzione degli smart building e nelle tecnologie con cui si ottimizza la gestione dell’energia, la sicurezza e il comfort dei loro utilizzatori. Ma anche un’IoT potenziata dall’AI.

Evoluzione smart building: edifici sempre più consapevoli

Fondata dagli ingegneri Jiani Zeng e Honghao Deng, ex ricercatori MIT, Butlr è un società che nasce nel 2019 a San Francisco come spinoff del MIT Media Lab. Lavora per rendere attraverso la tecnologia gli edifici sempre più “consapevoli”, riguardo utilizzi e utenti, e sicuri rispetto anche alla privacy dei loro occupanti.

Si basa su sensori termici wireless che, sempre più piccoli, potenti e alimentati da batterie pluriennali, inviano i dati raccolti in tempo reale dentro un edificio a una piattaforma di analisi avanzata che, sfruttando anche l’intelligenza artificiale, monitora il movimento delle persone senza raccogliere informazioni personali identificabili. E trasforma gli stessi spazi in una sorta di interfaccia digitale, permettendo valutazioni e adattamenti, anche in tempo reale, alle esigenze dei loro occupanti.

Un nuovo approccio alla gestione degli spazi di lavoro

Fra le prime applicazioni, un posto importante è occupato dal settore terziario, con riguardo soprattutto agli edifici esistenti. Profondamente modificati nell’utilizzo e nelle dimensioni dalla pandemia, sebbene ci sia una parziale retromarcia dal lavoro da remoto verso quello in presenza, hanno richiesto ripensamenti e riorganizzazioni. Anche le sempre più pressanti esigenze di riduzione dei consumi energetici hanno posto questi spazi di fronte a nuove necessità, spesso di difficile risposta.

I numeri raccolti sull’occupazione degli spazi e il movimento in tempo reale delle persone al loro interno, gestiti dalla piattaforma, stanno permettendo decisioni data-driven che possono massimizzare il controllo in tempo reale del consumo energetico, ma anche una programmazione più flessibile della pulizia e una pianificazione dell’uso di spazi e postazioni. Ad esempio, un ufficio potrebbe suddividersi in stanze più piccole o regolare illuminazione e temperatura per ottimizzare il consumo energetico.

Dalla sua invenzione, questo sistema di sensoristica ha progressivamente trovato nuovi impieghi e ricevuto premi e riconoscimenti, tra cui il Sustainability Award ai Core 77 Design Award 2024.

Promesse per il settore sanitario e della cura

Nello stesso anno ha iniziato a fornire la sua tecnologia anche a case di riposo per la terza età, dando anche vita a un nuovo brand, Butlr Care.

E proprio nel settore sanitario e della cura risiedono alcuni degli sviluppi più promettenti, favoriti da possibili grandi investimenti privati. I dati raccolti in continuità sull’utilizzo degli spazi di ospedali, delle case di riposo o cura possono, ad esempio, aiutare nel monitoraggio della salute.

I sensori possono rilevare cadute o assenza di movimenti, inviando avvisi al personale sanitario in caso di necessità e integrandosi con i dispositivi di chiamata infermieristica per migliorare la tempestività degli interventi. L’occupazione anonima dei servizi igienici potrebbe, ad esempio, fornire utili informazioni sullo stato di salute dell’apparato urinario, particolarmente delicato nelle persone più anziane.

In questo settore è stata siglata un’altra importante collaborazione, con la Harvard Medical School’s Beth Israel Deaconess Medical Center e la University of Massachusetts e il Technology Center for Connected Care in Aging and Alzheimer’s Disease. L’obiettivo è capire come migliorare la precocità della diagnosi di questa grave forma di demenza attraverso l’analisi di dati che, attraverso il movimento, possono dare indicazioni di decadimento cognitivo e delle abilità fisiche.