Ievads

Būvniecības projektus ietekmē dārga neefektivitāte gan piedāvājumu aprēķināšanā, gan objekta drošībā. Manuāla daudzumu aprēķināšana un dokumentu darbs liek aprēķinu speciālistiem kavēties izklājlapās un rasējumu atzīmēs, nevis augstas vērtības plānošanā (www.planmetry.com). Drošības vadītāji paļaujas uz periodiskām pārbaudēm un reaktīvu ziņošanu, lai gan būvniecība joprojām ir viena no valsts bīstamākajām nozarēm (arxiv.org). Turpretim mākslīgais intelekts (AI) un datorredze piedāvā iespēju automatizēt nogurdinošus uzdevumus, identificēt apdraudējumus reāllaikā un atklāt slēptus riskus (www.mckinsey.com) (www.mckinsey.com). Šis raksts ieskicē vīziju par visaptverošu AI pielietojumu būvniecībā: no materiālu daudzumu iegūšanas no plāniem, līdz bīstamību prognozēšanai objektā, līdz normatīvo aktu ievērošanas nodrošināšanai – viss integrēts ar rīkiem, piemēram, Procore, Autodesk Construction Cloud un biroja ERP sistēmām. Mēs apspriežam arī mobilo ierīču saskarnes būvdarbu vadītājiem, aprēķinām izmaksas un IA (investīciju atdevi), kā arī risinām datu īpašumtiesību un atbildības jautājumus.

Piedāvājumu aprēķināšanas problēmas

Piedāvājumu aprēķināšana būvniecībā ir sāpīgi manuāla. Aprēķinu speciālisti bieži vien lielāko daļu sava laika pavada rutīnas daudzumu aprēķinu darbā – atverot CAD/PDF rasējumus, kalibrējot mērogus, mērot garumus un laukumus, kā arī skaitot simbolus (www.planmetry.com). Nozares aptaujas liecina, ka aprēķinu speciālists var izniekot 60–80% savas dienas tādiem uzdevumiem kā datu ievadīšana un pārformatēšana (www.bidicontracting.com). Piemēram, viena analīze atzīmē: “Katru stundu, ko jūsu aprēķinu speciālists pavada, manuāli skaitot durvis un logus, viņš nepārskata apjomu vai neoptimāli nosaka cenas” (www.bidicontracting.com).

Šī neefektivitāte rada reālas izmaksas. Pie darbaspēka likmes, teiksim, 80 USD stundā, viens piedāvājums var patērēt $3 000–$8 000 aprēķinu darbaspēka izmaksu, pirms skaitlis pat tiek uzlikts uz papīra (www.bidicontracting.com). Ja uzņēmums uzvar tikai 20–25% piedāvājumu (tipisks ģenerāluzņēmēja uzvaras rādītājs (www.bidicontracting.com)), uzvaras aprēķina izmaksas ievērojami pieaug. Aprēķinu speciālisti, kas steidzas saspringtu termiņu dēļ, arī pieļauj kļūdas – 3–8% daudzumu aprēķinos sarežģītos projektos, saskaņā ar konservatīviem kritērijiem (www.bidicontracting.com). Pie 4 miljonu dolāru projekta 4% daudzumu aprēķinu kļūda nozīmē $160 000 iztrūkstošas darbaspēka vai materiālu izmaksas (www.bidicontracting.com). Kopumā manuāla piedāvājumu iesniegšana iznieko laiku, apgrūtina kvalificētu personālu ar rutīnas darbu un klusi samazina peļņas maržas.

Objektu drošības un atbilstības problēmas

Būvlaukumos pastāv nopietni drošības riski. Pētījumi liecina, ka būvniecība veido aptuveni 20–25% no darba vietu nāves gadījumiem (redexconsulting.com). Tradicionālās drošības programmas (rīku kastes sarunas, izlases pārbaudes, IAL auditi) var samazināt nelaimes gadījumus, bet tām ir grūti pamanīt visu. Uzraugi parasti veic periodiskas pārbaudes, tāpēc daudzi nedroši apstākļi paliek nepamanīti, līdz notiek incidents. Atbilstības ziņošana ir līdzīgi reaktīva – dokumenti tiek aizpildīti pēc fakta, un regulatori var sodīt darbuzņēmējus par pārkāpumiem. Šīs kavēšanās un nepilnības nozīmē, ka nelieli apdraudējumi var kļūt par lielām problēmām. Patiešām, viens drošības padoms norāda, ka uz AI balstītas sistēmas var samazināt reģistrējamus incidentus par 40–60%, ja tās tiek pareizi ieviestas (redexconsulting.com).

Praksē lielākā daļa darbuzņēmēju paļaujas uz kamerām vai sensoriem tikai pamata novērošanai. Tikai nedaudzi ir integrējuši šīs plūsmas ar reāllaika analīzi. Rezultātā ir sadrumstalots drošības process: video tiek ierakstīts, bet netiek analizēts, incidentu žurnāli tiek arhivēti līdz pārskatīšanai, un daudzi “gandrīz incidenti” nekad netiek oficiāli reģistrēti. Un katrs OSHA sods – kas tagad var sasniegt līdz pat $16 000 par pārkāpumu (www.nahb.org) – palielina izmaksas. Būtībā pašreizējā drošības uzraudzība ir epizodiska un manuāla, tai trūkst nepārtrauktas, uz datiem balstītas uzraudzības, kas nepieciešama patiesai profilaksei.

AI darbināti redzes un dokumentu rīki

AI piedāvā vienotu risinājumu: datorredze un dokumentu analīze, kas automatizē daudzumu aprēķinus, identificē bīstamības objektā un pārbauda atbilstību reāllaikā. Vīzija ir visaptveroša AI sistēma, kas pārbauda gan projektu plānus, gan tiešraides būvlaukuma plūsmas, iegūst noderīgus datus un automātiski brīdina vadītājus.

• Automatizēta daudzumu aprēķināšana (dokumentu AI): Mūsdienīgi AI rīki var lasīt digitālos plānus (PDF, BIM modeļus, CAD rasējumus) un pārvērst tos materiālu daudzumos. Izmantojot optisko rakstzīmju atpazīšanu (OCR) un rakstu atpazīšanu, AI identificē sienas, durvis, sijas, armatūru, elektrības vadus un daudz ko citu. Atšķirībā no mantotajiem CAD rīkiem, AI-vietējās daudzumu aprēķināšanas sistēmas automātiski klasificē objektus pēc profesijas (durvis, logi, cauruļvadi utt.), nevis liek aprēķinu speciālistam marķēt katru elementu (www.bidicontracting.com). Piemēram, tādi produkti kā BuildVision apgalvo, ka minūtēs, nevis dienās, saskaita simtiem pozīciju. Nozares analītiķi atzīmē, ka automatizēta daudzumu aprēķināšana var samazināt manuālā projektēšanas laiku līdz pat 50–80% standarta rasējumu komplektos (www.bidicontracting.com). Pat ja precizitāte atšķiras atkarībā no profesijas, šis “pirmais posms” ļauj aprēķinu speciālistiem pārskatīt, nevis atjaunot daudzumus (www.bidicontracting.com). Praksē ir pierādīts, ka AI daudzumu aprēķināšana ļoti precīzi fiksē liela apjoma, atkārtotus skaitļus (piemēram, sienu laukumus vai plātņu apjomus), atstājot sarežģītas pārbaudes cilvēka pārskatīšanai (www.bidicontracting.com).

• Riska prognozēšana un agrīna brīdināšana: AI neaprobežojas tikai ar statiskiem plāniem. Apmācot mašīnmācīšanās modeļus, izmantojot vēsturiskos datus un projekta kontekstu, tas var novērtēt uzdevumus pēc riska. Piemēram, ja noteiktām sekvencēm (piemēram, betona liešanai augstumā) ir augstāks incidentu rādītājs, AI tās atzīmē grafikā. Tāpat dati no digitālajām kontrolsarakstām, laikapstākļiem un personāla analīzes var barot prognozēšanas modeļus. Akadēmiskie pētījumi ir parādījuši, ka NLP un ML var faktiski prognozēt traumu rezultātus no vēsturiskiem ziņojumiem (arxiv.org). Praksē integrēta sistēma varētu analizēt darbinieku ziņojumus, miesas bojājumu žurnālus vai pat projekta atribūtus (slīpumus, augstumus, celtņa izmantošanu), lai katrai dienai vai projektam piešķirtu drošības riska vērtējumu. Kopā ar objekta sensoriem (valkājamiem akselerometriem, atrašanās vietas bākām) un laikapstākļu prognozēm šie riska modeļi ļauj vadītājiem proaktīvi pārdalīt drošības resursus. Īsāk sakot, AI var pārvērst pagātnes incidentu datus par noderīgu prognozi.

• Reāllaika video uzraudzība (redzes AI): Iespējams, visvairāk transformējošais pielietojums ir datorredze būvlaukuma kamerās. AI algoritmi var novērot video plūsmas (no droniem, drošības kamerām vai fiksētiem stabiem) 24/7 un automātiski atklāt drošības pārkāpumus. Piemēram, tādas sistēmas kā SiteCortex pastāvīgi uzrauga esošās iekārtas, lai atzīmētu trūkstošas aizsargķiveres vai nepareizu sastatņu uzstādīšanu (sitecortex.me). Viņu AI darbojas uz vietas (kadri netiek sūtīti ārpus objekta) un “nodrošina skaidrus, noderīgus drošības ziņojumus” bez manuālas pārskatīšanas (sitecortex.me). Pētnieki un konsultanti atzīmē, ka uzlabota attēlu klasifikācija var identificēt nedrošas darbības (piemēram, kritienus, paklupienus vai IAL trūkumu) un izdot tūlītējus brīdinājumus (www.mckinsey.com). Piemēram, EquipmentShare Forsight torņi izmanto AI, lai “reāllaikā atklātu riskus un brīdinātu jūs, pirms nelielas problēmas kļūst par dārgām problēmām” (www.equipmentshare.com). Kopā ar ģeotelpiskā kontekstu (zinot, kura objekta zona ir redzeslokā), šī pieeja proaktīvi atklāj pārkāpumus – darbinieku bez ķiveres, personu aizliegtā zonā vai aprīkojuma apdraudējumu – krietni pirms incidentu notikšanas. Laika gaitā šīs plūsmas veido drošības informācijas paneli, automātiski izsekojot atbilstības rādītājus (IAL lietošanas rādītājus, drošības zonu atbilstību).

• Atbilstības uzraudzība: Papildus apdraudējumu atklāšanai AI var palīdzēt pārbaudīt, vai tiek ievērotas drošības procedūras. Apsveriet ikdienas ziņojumus: AI redzes sistēmas var apstiprināt, ka norādītās ejas ir brīvas, nepieciešamās zīmes ir izvietotas un ceļi ir pareizi marķēti. Tā var uzraudzīt vides sensorus (troksnis, putekļi) un ziņot par pārsniegumiem. Dokumentu ziņā AI var analizēt normatīvās prasības un salīdzināt tās ar projekta datiem; piemēram, nodrošinot, ka PE zīmogi vai atļauju derīguma termiņi tiek pamanīti projektēšanas dokumentos. Mērķis ir revīzijas pēda: ikreiz, kad noteikumu pārbaude neizdodas, sistēma to reģistrē un brīdina vadītāju. Šī nepārtrauktā atbilstība samazina manuālo dokumentu darbu un nodrošina, ka, ierodoties revidentiem, visi pierādījumi jau ir digitalizēti.

Kopā šīs redzes un dokumentu AI iespējas rada atgriezeniskās saites ciklu: plāni tiek pārvērsti precīzos būvniecības daudzumos, aprēķinātajās izmaksās un potenciālajās riska zonās; objekta plūsmas apstiprina faktiskos apstākļus pret plānu un atzīmē jaunas problēmas. AI efektīvi darbojas kā “nepārtraukts inspektors”, papildinot būvdarbu vadītājus ar datorredzes ieskatiem un dodot aprēķinu speciālistiem priekšrocības daudzumu aprēķināšanā.

Integrācija ar Procore, Autodesk un ERP sistēmām

AI risinājums ir vērtīgs tikai tad, ja tas atbilst esošajām darba plūsmām. Par laimi, galvenās būvniecības programmatūras platformas piedāvā integrācijas punktus:

• Procore: Procore API un integrācijas ietvars ļauj būvniecības datiem (rasējumiem, izmaksu pozīcijām, materiālu sarakstiem) plūst no ārējiem rīkiem (support.procore.com). Piemēram, AI daudzumu aprēķinu rīks varētu tieši ievadīt savus daudzumu rezultātus Procore budžeta vai iesniegumu moduļos. Daži Procore lietotāji jau savieno specializētas lietotnes, izmantojot lietotņu tirgu, un Procore atbalsta algas un grāmatvedības datu saistīšanu ar ERP sistēmām (support.procore.com). Praksē AI sistēmu var konfigurēt tā, lai Procore tiktu uzskatīta par tās “vienīgo patiesības avotu” – lasot projekta parametrus no Procore un ierakstot rezultātus atpakaļ (piemēram, atjauninot pozīcijas vai izmaiņu pasūtījumus). Tas nodrošina, ka visa projekta komanda redz AI rezultātus pazīstamajā Procore saskarnē.

• Autodesk Construction Cloud (ACC): Līdzīgi, Autodesk ekosistēma (ieskaitot BIM 360, PlanGrid un Revit) atbalsta datu importēšanu/eksportēšanu un integrācijas. AI daudzumu aprēķinu rīki var importēt Revit modeļus vai PDF failus, kas eksportēti no ACC, un izvadīt anotētus modeļus vai izklājlapas. Autodesk arī saistās ar grāmatvedības sistēmām (piemēram, Sage, QuickBooks), izmantojot savu Finance & ERP Connector ekosistēmu (construction.autodesk.com). Praksē AI sistēma varētu izmantot Autodesk Forge API, lai atjauninātu BIM elementu ar precīzu daudzumu vai atzīmētu sadursmes. Pievienojoties Autodesk Construction Cloud, AI funkcijas kļūst par daļu no projektēšanas-būvniecības datu cilpas, ļaujot reāllaikā saskaņot daudzumus starp plānoto projektu (Revit) un uzbūvēto projektu (realitātes uztveršana).

• ERP sistēmas: Lielākā daļa darbuzņēmēju izmanto ERP rīkus (piemēram, Acumatica, CMiC, Sage, Oracle) finanšu un algas funkcijām. AI platformai ir jāsinhronizējas ar tām, izmantojot savienotājus. Piemēram, pēc tam, kad AI aprēķina materiālu sarakstu un cenas, šos datus var eksportēt uz ERP, lai ģenerētu pirkšanas pasūtījumus vai piegādātāju piedāvājumus. Procore pati ir formāli ERP “Sync” rīki, kas savieno Procore un biroja grāmatvedību (support.procore.com). Izmantojot šos savienotājus, AI vadītie aprēķini un izmaksu izsekošana tieši ievadās uzņēmuma finanšu sistēmās, izvairoties no dubultas datu ievades.

Katru integrāciju atvieglo API vai starpprogrammatūra. Pilotprojekta ieviešanai mēs iesakām vispirms viegli savienot AI prototipu ar vienu sistēmu (piemēram, nosūtot daudzumu aprēķinu datus uz Procore), pirms to paplašināt uz visām. Galvenais ir tas, ka AI kļūst par uzlabojumu platformām, kurām uzņēmums jau uzticas, nevis atsevišķu silo. Tādējādi plānu analīze un drošības brīdinājumi tiek iegulti esošajos informācijas paneļos vai mobilajās lietotnēs, nevis prasa komandām ieviest pilnīgi jaunus rīkus.

Mobilajām ierīcēm pielāgotas saskarnes būvdarbu vadītājiem

Reāllaika drošības un daudzumu aprēķinu atjauninājumu galvenie lietotāji ir objekta vadītāji un būvdarbu vadītāji. Viņiem jebkura AI sniegtā informācija ir jābūt pieejamai mobilajās ierīcēs objektā. Laukuma apstākļi prasa mobilajām ierīcēm pielāgotu dizainu: kā atzīmē viens UX ceļvedis, lauka lietotne “dzīvo vai mirst no ātruma un skaidrības”, jo darbinieki bieži stāv, valkā cimdus vai pārvietojas (koder.ai). Konkrēti, veiksmīgai būvdarbu vadītāja lietotnei vajadzētu būt:

• Lieli pieskārienu mērķi un vienkāršs izkārtojums: Saskarnēm jānodrošina lietošana ar vienu roku, izmantojot lielas pogas (44+ pikseļi) un minimālu rakstīšanu (koder.ai). Piemēram, drošības brīdinājuma ekrānā varētu vienkārši parādīt pārkāpuma fotoattēlu vai videoklipu ar pogām “Apstiprināt” / “Atrisināt”, nevis blīvas veidlapas. Etiķetēs jāizmanto vienkārša valoda (piemēram, “Trūkst aizsargķivere”, nevis “IAL brīdinājums”).
• Bezsaistes piekļuve un sinhronizācija: Būvniecības lietotnes bieži darbojas apgabalos ar sliktu savienojamību. Mobilajai lietotnei, ja iespējams, jāuzglabā jaunākie objekta izkārtojumi un jāapmāca vienkārši modeļi ierīcē, pēc tam jāaugšupielādē dati, kad ir pieejams tiešsaistes savienojums. (Dažas sistēmas jau izmanto malu skaitļošanu privātuma nolūkos – piemēram, SiteCortex uzsver “bez mākoņa augšupielādēm”, apstrādājot video uz vietas (sitecortex.me).)
• Uz uzdevumiem orientēti brīdinājumi: Būvdarbu vadītājiem visvairāk rūp veicamās darbības. Lietotnei varētu būt sākuma ekrāns ar šodienas darba uzdevumiem (pārbaudes priekšmeti, jauni daudzumu aprēķinu skaitļi, steidzami brīdinājumi). Viens ieteicamais modelis ir noklusējuma iestatījumos izvēlēties “Šodienas darbi” un parādīt tikai kritiskus paziņojumus: jaunus atklātus drošības apdraudējumus, novēlotas materiālu piegādes vai lielas RV labošanas.
• Bezsaistes veidlapas un fotoattēlu uzņemšana: Laukuma darbiniekiem jāspēj viegli dokumentēt problēmas. Lietotnei jānodrošina iespēja uzņemt apdraudējumu fotoattēlus vai videoklipus, anotēt plānus (digitāla marķēšana) un iesniegt ziņojumus pat bez mākoņa savienojamības (koder.ai). Balss piezīmes vai iepriekš iestatītas opcijas var paātrināt ziņošanu (piemēram, ātra poga “zona bloķēta”).

Īsāk sakot, AI sniegtajai informācijai ir jānodrošina piekļuve, izmantojot laukumam draudzīgu saskarni, kas atspoguļo esošos ieradumus. Ja komanda jau izmanto Procore vai Autodesk BIM 360 mobilās lietotnes, AI funkcijas ir jāintegrē tajās. Ja nepieciešama jauna lietotne, tai jāievēro labākā mobilās lietotnes prakse: skaidri informācijas paneļi, prioritāri brīdinājumi un minimāla mācīšanās līkne (koder.ai). Jebkura AI rīka panākumi ir atkarīgi no šīs lietojamības priekšējā līmenī.

IA un biznesa pamatojums

Investīcijām AI rīkos ir jānodrošina skaidra atdeve. Par laimi, agrīnie pilotprojekti liecina par spēcīgu atdevi:

• Laika ietaupījums: Ja AI samazina daudzumu aprēķināšanas laiku uz pusi (konservatīvs aprēķins, ņemot vērā ziņotos 50–80% samazinājumus (www.bidicontracting.com)), aprēķinu speciālisti var iesniegt vairāk projektu piedāvājumu un precizēt cenas agrāk. Uzņēmumam, kas uzvarēja vienā no pieciem piedāvājumiem (www.bidicontracting.com), aprēķinu izmaksu samazināšana par piedāvājumu var tieši uzlabot peļņas maržas. Piemēram, ja AI ietaupa $5 000 darbaspēka izmaksās par piedāvājumu (www.bidicontracting.com), pat viena papildu darba uzvarēšana katru gadu daudzkārt atmaksā platformas izmaksas.
• Samazinātas kļūdas un izmaiņu pasūtījumi: Samazinot daudzumu aprēķināšanas kļūdas pat par 50%, samazinās neplānotie pārtēriņi. Pie 4 miljonu dolāru darba, samazinot 4% kļūdu līdz 2%, ietaupa $80 000 no zaudējumiem (www.bidicontracting.com). Viena šāda pārtēriņa novēršana gadā var attaisnot ievērojamas programmatūras investīcijas.
• Ātrāka piedāvājumu iesniegšana, augstāka uzvaras rādītāja: Ar AI automatizēto rutīnas darbu uzņēmumi var iesniegt konkurētspējīgākus piedāvājumus ar mazāku kavēšanos. Ja ģenerāluzņēmējs uzlabo savu uzvaras rādītāju no 20% līdz, teiksim, 25% ātruma un precizitātes dēļ, šis 25% ieņēmumu pieaugums var būt ievērojams.
• Drošības un apdrošināšanas ietaupījumi: No drošības puses, apsveriet Partner in the Loop gadījuma pētījumu, kur AI drošības pilotprojekts sasniedza 35% incidentu samazinājumu 12 mēnešos (partnerintheloop.com). Šis uzņēmums samazināja gada apdrošināšanas izdevumus par $120K un 9 mēnešus pilotprojektu vietās nebija neviena reģistrējama incidenta (partnerintheloop.com). Pat ņemot vērā tehnoloģiju izmaksas, viņi atmaksāja investīcijas apmēram 14 mēnešos (partnerintheloop.com). Tikai viena OSHA soda novēršana bieži vien var pārsniegt $10 000, tāpēc katram novērstajam pārkāpumam ir tūlītēja IA. Līdzīgu rezultātu sasniegšana (piemēram, par 20–40% mazāk incidentu) ievērojami samazinātu darba nespējas un dīkstāves izmaksas.
• Atbilstības efektivitāte: Automatizēta atbilstība ietaupa administratīvo laiku un novērš sodus. Ja AI redze atklāj apdraudējumus pirms OSHA, darbuzņēmējs izvairās no sodiem (tagad līdz $16K par pārkāpumu (www.nahb.org)) un piespiedu apturēšanas. Turklāt atbilstības pierādīšana, izmantojot AI žurnālus, var nopelnīt apdrošināšanas atlaides vai ātrāku atļauju apstiprināšanu.

Kopumā nozares diskusijas liecina, ka AI drošības sistēmas var atmaksāties 1–2 gadu laikā, bieži vien nodrošinot 200–300% IA 3–5 gadu laikā. Viens pārdevējs reklamē 300% IA no atbilstības AI (viso.ai) (lai gan specifika ir atkarīga no apjoma). Kvantificējot ietaupīto darbaspēku un novērstos incidentus, uzņēmumi var izveidot skaidru biznesa pamatojumu. Mēs iesakām aprēķināt bāzes rādītājus (piedāvājumi mēnesī, incidenti par projektu utt.) un prognozēt, kā AI uzlabojumi pārvēršas izmaksu ietaupījumos un papildu ieņēmumos.

Pilotprojekta izstrāde un ieviešana

Lai gūtu šos ieguvumus, ir apdomīgi veikt pakāpenisku pilotprojektu. Lūk, viena pieeja:

1. Definēt darbības jomu: Sāciet ar vienu nodaļu vai profesiju (piemēram, betonu vai karkasu), kur daudzumu aprēķinu kļūdas vai drošības riski ir visaugstākie. Alternatīvi, sāciet ar drošības uzraudzību vienā aktīvā objektā, izmantojot esošās kameras.
2. Izvēlēties metrikas: Izsekojiet galvenos veiktspējas rādītājus pirms un pēc ieviešanas. Piedāvājumu iesniegšanai: mēriet aprēķinu speciālista stundas par piedāvājumu, sagatavoto piedāvājumu skaitu un uzvaras rādītāju. Drošībai: reģistrējiet incidentu skaitu, IAL atbilstības rādītāju un inspekcijas stundas. Izmantojiet [30] kā etalonu (piemēram, sasniedzot 60% IAL atbilstību pret 0% ar AI).
3. Datu integrācija: Daudzumu aprēķināšanai ļaujiet AI rīkam importēt jaunākos projekta plānus un izvadīt pilnu materiālu sarakstu. Salīdziniet tā rezultātus ar vēsturiskajiem manuālajiem daudzumu aprēķiniem tajā pašā darbā (kā ieteikts labākajā praksē) (www.bidicontracting.com). Drošībai, sākumā palaidiet kameras caur AI sistēmu ēnas režīmā: ļaujiet tai atzīmēt apdraudējumus, bet vēl nebrīdiniet komandu. Tā vietā salīdziniet tās atklātos datus ar manuāliem žurnāliem, lai pārbaudītu precizitāti.
4. Paralēla testēšana: Uzturiet pašreizējo procesu paralēli īsu laiku (piemēram, 30–60 dienas). Daži eksperti iesaka aprēķinu speciālistiem veikt AI daudzumu aprēķinus vienlaikus ar manuālajiem daudzumu aprēķiniem aktuālajos piedāvājumos, pēc tam salīdzināt atšķirības (www.bidicontracting.com). Izmantojiet rezultātus, lai kalibrētu uzticību un pielāgotu AI iestatījumus.
5. Lietotāju atsauksmes: Iesaistiet būvdarbu vadītājus un aprēķinu speciālistus agri. Ļaujiet dažiem vadošajiem lietotājiem testēt mobilo lietotni un drošības brīdinājumus, vācot atsauksmes par paziņojumu biežumu, UI skaidrību utt. Pielāgojiet saskarni (piemēram, pievienojiet bīstamību aizvēršanu ar vilkšanu vai vienkāršojiet etiķetes), izmantojot vadlīnijas, piemēram, tās, kas atrodamas lauka UX pētījumos (koder.ai).
6. Iterēt un mērogot: Izmantojiet pilotprojekta datus, lai pilnveidotu modeļus un procesus. Ja noteiktas viltus pozitīvas bīstamības ir biežas, pārkvalificējiet redzes algoritmu vai pielāgojiet kameras leņķus. Ja daudzumu aprēķināšanā tiek nepareizi klasificēts atkārtots elements, atjauniniet NLP modeļus. Kad esat apmierināts, paplašiniet sistēmu uz vairākiem projektiem vai komandām.

Panākumu atslēga ir padarīt pilotprojektu izmērāmu un ar zemu risku. Piemēram, Lielbritānijas gadījuma pētījums apzināti formulēja rezultātus kā “reālistiskus rezultātus, kas novēroti vairākos līdzīgos projektos” (partnerintheloop.com), nevis kā vienu atsevišķu gadījumu. Ar konkrētiem datiem vadība var redzēt, kā AI pakāpeniski uzlabo ātrumu un drošību.

Atbildība, pārvaldība un datu īpašumtiesības

Visbeidzot, pievērsīsimies “cilvēku un politikas” aspektiem. Kad cilvēki paļaujas uz AI, rodas jautājumi par atbildību un datu tiesībām:

• Atbildība: AI rīkiem jāpapildina, nevis jāaizstāj cilvēka spriedums. Līgumos un apmācībās ir skaidri jānorāda, ka aprēķinu speciālisti un uzraugi saglabā galīgo apstiprinājumu par piedāvājumiem un drošību. AI var izdot brīdinājumus vai ieteikumus, bet uzņēmumam ir jāpārbauda jebkura atzīmēta problēma pirms piedāvājuma iesniegšanas vai darba apturēšanas. Atteikumi programmatūras SLA un iekšējās politikās var ierobežot atbildību: piemēram, norādot, ka “AI rezultāti ir ieteikumi” un pieprasot cilvēka pārskatīšanu, palīdz precizēt, kurš ir atbildīgs.
• Skaidrojamība: Izmantojiet AI modeļus, kas sniedz katra brīdinājuma pamatojumu vai pierādījumus. Piemēram, SiteCortex reklamē “skaidrojamo AI” (sitecortex.me), kas nozīmē, ka katrs drošības karogs nāk ar videoklipu un aprakstu par to, kāpēc tas tika aktivizēts. Tas ir ļoti svarīgi, lai būvdarbu vadītāji uzticētos brīdinājumiem un izmeklēšanai, ja notiek incidents.
• Datu īpašumtiesības: Visi projekta dati (plāni, video materiāli, grafiki) parasti pieder darbuzņēmējam vai īpašniekam. Nodrošiniet, lai līgumi ar AI pārdevējiem skaidri norādītu, ka uzņēmums saglabā pilnas īpašumtiesības uz visiem datiem un ka AI nodrošinātājs nedrīkst izmantot datus citiem apmācības mērķiem. Piemēram, Foreman AI uzsver, ka “jūsu plāni paliek privāti – šifrēti… un nekad netiek izmantoti apmācībai” (foremanai.co). Uzglabāšanai jāatbilst privātuma likumiem (piemēram, ja nepieciešams, saglabājiet video uz vietas) un datiem jābūt šifrētiem gan pārsūtīšanas, gan glabāšanas laikā.
• Drošība un privātums: Video plūsmas un darbinieku dati var būt jutīgi. Izmantojiet uz vietas vai malu apstrādi, ja iespējams, lai izvairītos no pastāvīgas mākoņplūsmas (kā uzsver [23]). Glabājiet mākonī tikai metadatus vai zemas izšķirtspējas momentuzņēmumus, ja tie nepieciešami galvenās mītnes uzraudzībai. Uzturiet audita žurnālus par to, kurš piekļūda AI ziņojumiem.
• Regulatīvā atbilstība: Pārbaudiet, kā redzes sistēmu izmantošana atbilst darba un privātuma noteikumiem. Dažās jurisdikcijās var būt nepieciešams informēt darbiniekus par kamerām vai ierobežot ierakstīšanas stundas. Izstrādājiet sistēmu, ņemot vērā atbilstību (piemēram, pēc noklusējuma anonimizējiet, ja tas nav būtiski).

Agrīna šo pārvaldības politiku noteikšana var mazināt juridiskos riskus. Mērķis ir, lai AI kļūtu par uzticamu partneri, kas pastiprina cilvēka pieredzi, nevis par melno kasti, ko apšauba HR vai regulatori.

Secinājums

AI ir potenciāls pārveidot būvniecības piedāvājumu iesniegšanu un drošību, automatizējot rutīnas darbu un sniedzot reāllaika ieskatus. Dokumentu AI var pārvērst sarežģītus rasējumus tūlītējos materiālu daudzumu aprēķinos, samazinot aprēķinu laiku un kļūdas (www.planmetry.com) (www.bidicontracting.com). Vienlaicīgi redzes AI var nepārtraukti (24/7) uzraudzīt objektu, atklājot bīstamības un atbilstības problēmas, tiklīdz tās rodas (sitecortex.me) (www.mckinsey.com). Integrējot šīs iespējas ar tādām platformām kā Procore, Autodesk un ERP sistēmas, un prezentējot tās, izmantojot mobilās lietotnes, kas paredzētas aizņemtiem būvdarbu vadītājiem (koder.ai), darbuzņēmēji var izveidot drošākus un efektīvākus procesus, nepārveidojot esošos rīkus. Agrīnie pilotprojekti liecina par spēcīgu IA – mazāk incidentu, zemākas apdrošināšanas izmaksas un ātrākus, precīzākus piedāvājumus (partnerintheloop.com) (www.bidicontracting.com). Protams, būtiska ir rūpīga ieviešana, skaidra atbildība un datu aizsardzība. Bet uz nākotni vērstiem uzņēmumiem AI iespējoti aprēķini un drošības uzraudzība piedāvā efektīvu ceļu uz gudrākām un drošākām būvniecības operācijām.