La mancanza di dati di benchmark per la segmentazione semantica di nuvole di punti dei beni culturali sta ostacolando lo sviluppo di soluzioni di classificazione automatica in questo campo. I dati 3D e le nuvole di punti del nostro patrimonio culturale rappresentano strutture geometriche complesse con classi non convenzionali, le quali impediscono la semplice implementazione dei metodi già disponibili, sviluppati in altri campi o per altri tipi di dati. La segmentazione semantica dei dati 3D del patrimonio aiuterebbe la comunità nella migliore comprensione e analisi dei gemelli digitali (digital twins), faciliterebbe le operazioni di salvaguardia e supporterebbe molte altre attività legate al settore dei beni culturali. In questo contributo si presenta il primo benchmark con milioni di punti 3D annotati manualmente appartenenti a scenari del patrimonio, realizzati per facilitare lo sviluppo, l'addestramento, il test e la valutazione di metodi e algoritmi di apprendimento automatico nel campo dei beni architettonici. Il benchmark proposto, disponibile su http://archdataset.polito.it/, comprende set di dati e risultati di classificazione finalizzati a migliorare i confronti e approfondire i punti di forza e di debolezza dei diversi approcci di machine e deep learning per la segmentazione semantica della nuvola di punti del patrimonio, oltre a promuovere una forma di crowdsourcing per arricchire il database già annotato.