Kodėl statybos konkursams reikia specializuotos informacijos

Statybų pramonei niekada netrūko duomenų; jai trūksta naudingo intelekto svarbiausiais momentais. Didelių konkursų ir išankstinio statybos etapuose pramonė vis dar remiasi rankiniu būdu atliekama „Control-F“ paieška tūkstančiuose nestruktūrizuotų dokumentų puslapių.

Neseniai kalbėjausi su Hermanu Smithu, statybos inžinieriumi ir buvusiu „Multiconsult“ vyriausiuoju skaitmeniniu pareigūnu, kuris paliko įmonių pasaulį, kad išspręstų šią konkrečią kliūtį. Jo startuolis „Volve“ nėra tik dar vienas dirbtinio intelekto paketas; tai specializuotas „gręžtuvas“, skirtas įsiskverbti į sudėtingą statybos dokumentaciją.

Skaitmeninimo paradoksas be produktyvumo padidėjimo

Daugelį metų AEC pramonė susidūrė su varginančiu paradoksu: turime daugiau skaitmeninių įrankių nei bet kada anksčiau, tačiau produktyvumas nepagerėjo. Hermanas tai pastebėjo iš vidaus, valdydamas šimtus unikalių programinės įrangos licencijų ir matydamas, kad įmonės stengiasi prisitaikyti prie naujų darbo eigų.

„Iš vidaus mačiau, kaip pramonė stengiasi pritaikyti naują praktiką ir technologijas“, – pažymi Hermanas. „Atsirandant dirbtiniam intelektui, tempas didėja. Reikia sukurti pritaikytus sprendimus, kurie iš tikrųjų gali būti taikomi visoje pramonėje, kad kažkas pakeistų, tačiau įsitvirtinę žaidėjai patys to padaryti negali.”

Šis supratimas paskatino įkurti „Volve“ – žvalgybos platformą, skirtą konkursui ir išankstinei statybai.

Problema nėra informacijos trūkumas; kiekvieno projekto esmė yra didžiuliame dokumentų rinkinyje, kuriame yra apibrėžtos atsakomybės, o rizika kyla „aukštai“. Jei komanda praleidžia vieną reikalavimą 1000 puslapių pasiūlymo užklausoje (RFP), išlaidos gali būti pražūtingos ir rangovui, ir klientui.

„Šveicarijos armijos peilis“ prieš specializuotą grąžtą

Viena įtikinamiausių mūsų diskusijos įžvalgų buvo Hermano požiūris į dabartinį AI kraštovaizdį. Kadangi dideli kalbų modeliai (LLM), tokie kaip „ChatGPT“, tampa visur, daugeliui įmonių kyla pagunda sukurti savo vidinius „Custom GPT“. Hermanas perspėja, kad šis požiūris turi didelių apribojimų profesionalioje inžinerijoje.

„Aš lyginu šiuos bendruosius sprendimus su Šveicarijos armijos peiliu”, – aiškina Hermanas. „Jie gali atlikti šiek tiek daug dalykų, bet jei juos per stipriai paspausite, jie sulūžtų. Statybose nenaudojate šveicariško armijos peilio vietoje, kiekvienam procesui naudojate labai specializuotus įrankius. Aš matau „Volve” kaip grąžtą”.

Bendrieji AI sprendimai dažnai nepavyksta AEC dėl dviejų pagrindinių priežasčių:

1. Konteksto lango apribojimai: jie dažnai negali apdoroti didžiulio informacijos kiekio, kurį reikalauja kelių milijardų dolerių vertės infrastruktūros projektas.
2. „Haliucinacijų“ rizika: LLM iš prigimties yra kūrybingi, tačiau kūrybiškumas yra įsipareigojimas, kai reikia žinoti tikslius techninius tilto betono kokybės reikalavimus.

„Bendrasis AI gali suteikti jums tikrai gerų rezultatų skonį, tačiau jis niekada nesuteiks jums to paties skonio du kartus, taip pat gali suteikti klaidingų skonių“, – sako Hermanas. Siekdama to išvengti, „Volve“ kuria pažangius agentų vamzdynus ir naudoja „Retrieval-Augmented Generation“ (RAG), kad užtikrintų, jog kiekvienas atsakymas būtų įtrauktas į projekto dokumentus.

Teksto pavertimas normalizuotais duomenimis

„Volve“ vertės pasiūlymo esmė – gebėjimas „normalizuoti“ statybos dokumentacijos chaosą. Nesvarbu, ar klientas naudoja Suomijos standartą, FIDIC sutartį, ar pagal užsakymą sukurtą šabloną, platforma sutrumpina tekstą ir traktuoja jį kaip duomenis, o ne tik kaip prozą.

Kai projekto komanda „išmeta“ savo 40 ar 1000 dokumentų į platformą, „Volve“ užtrunka apie 20 minučių, kad sutvarkytų ir sutvarkytų informaciją. Iš ten vartotojai gali suaktyvinti konkrečias „funkcijas“ arba darbo eigas:

• Teisinės rizikos apžvalga: svarbių sutarties sąlygų nuskaitymas.
• „WorkPack“ ištraukimas: konsultanto reikalavimų vertimas į svetainę paruoštą kalbą (pvz., „konstrukcijų inžinerijos“ reikalavimų pavertimas konkrečiomis „išliejamo betono“ užduotimis).
• Standartinio nuokrypio aptikimas: nustato, kur konkretus RFP nukrypsta nuo pramonės standartų.

„Šiandien neturime geresnio formato nei dokumentai šiems projektams apibūdinti“, – pripažįsta Hermanas. „Mes einame prie to ir užpildome spragą tarp dokumentų ir sprendimų priėmimui reikalingos informacijos“.

Nuo konkurso iki vykdymo: mokymosi ciklas

Didžiausias pramonės trūkumas, be abejo, yra nesugebėjimas pasimokyti iš praeities klaidų. Dauguma žinių slypi vyresniųjų ekspertų galvose ir palieka pastatą, kai jie išeina į pensiją. Volve bando institucionalizuoti šias žinias leisdama įmonėms įkelti istorinius atsiliepimus apie konkursus.

„Žinoma, kad statyba nesimoko daugiau nei jūs ir aš, būdami ekspertai ir mokomės iš savęs“, – pastebi Hermanas. „Galime pritaikyti mokymąsi, kad klientui pasakius, kad praradote pasiūlymą dėl X, sistema automatiškai pateiks atsiliepimą, kai kitą kartą paskambinsite, kad pagerintų kitą pasiūlymą.

Ši „mokymosi kilpa“ tęsiasi iki vykdymo fazės per pokyčių įvertinimą. Įkeldami susitikimo protokolus, pakeitimų prašymus ir pretenzijas, rangovai gali naudoti platformą, kad sudarytų duomenimis pagrįstus argumentus savo pozicijoms derybų metu.

Galiausiai strateginė AI vertė išryškėja ne sutelkiant dėmesį į vieną projektą vienu metu, o įvertinant visą projekto portfelį, praeitį ir dabartį, kaip duomenų turtą.

Žmogus in the Loop: atsakomybė dirbtinio intelekto amžiuje

AI artėjant prie sprendimų priėmimo taško, atsakomybės klausimas tampa svarbiausias. Hermanas yra aiškus, kad „Volve“ yra „supergalybės palaikymo“ įrankis, o ne žmogaus profesionalo automatika.

„Galutinė atsakomybė tenka asmeniui, priimančiam sprendimą“, – tvirtina Hermanas. „Todėl mes visada pateikiame šaltinius atgal į originalų dokumentą. Mes nežinome savo klientų rizikos apetito. Galime pateikti pasiūlymą, bet negalime pakartoti Redline proceso be vartotojo indėlio”.

Poveikis pramonei

Tokių įrankių kaip „Volve“ atsiradimas rodo, kad artimiausioje ateityje AEC įmonės konkuruos. Nebeužtenka turėti geriausių inžinierių; įmonės turi turėti geriausią „operacinį lygmenį“ savo projektų duomenims.

Kai generaliniai rangovai, tokie kaip „Skanska“ ar NCC, naudoja šias platformas savo pasiūlymų kokybei pagerinti, „subjektyvios“ pasiūlymo dalys, pvz., metodika ir rizikos mažinimas, tampa patikimesnės ir pagrįstos duomenimis. Kaip pažymi Hermanas, kai kurie klientai jau praneša, kad laimi daugiau projektų, nes gali parodyti viešiesiems užsakovams, kad tiksliai ir be klaidų reaguoja į kiekvieną reikalavimą.

Tikslas yra ne tik laiko efektyvumas; tai verslo poveikis. Pramonėje, kurioje maržos yra labai mažos, galimybė kontroliuoti riziką ir laimėti „teisingus“ projektus yra didžiausias konkurencinis pranašumas.

AEC lyderių klausimas jau ne ar naudoti AI, o kaip juo naudotis. Jie turi nuspręsti, ar pasikliauti „Šveicarijos armijos peiliu“, ar investuoti į „pratybas“, sukurtas atsižvelgiant į pramonės griežtumą.

Titulinis vaizdas yra „Volve“ sutikimas.