Kennisbank

AI-modenhed i byggebranchen: hvor fundamentet stadig mangler

Byggebranchen har igennem årtier arbejdet med en lagdelt kæde: bygherre, hovedentreprenør, underentreprenører, leverandører. Denne kæde er vant til at fordele ansvar og levere arbejde i faser. Det gør branchen på visse punkter bedre forberedt på AI end andre brancher — der er disciplin i planlægning, i kvalitetskontrol, i registrering af aftaler. Men samme kæde gør dataene skrøbelige. Tegninger, kalkulationer, planer og fremdriftsrapporter opstår hos forskellige parter, i forskellige systemer, med forskellige versioner af sandheden. En AI-anvendelse, der skal køre på disse data, kører på noget, der ofte ikke er komplet, ikke aktuelt eller ikke centralt.

Denne forskel mellem organisatorisk disciplin og datamodenhed er præcis dér, hvor mange AI-pilotprojekter i byggebranchen kører fast. En projektleder forsøger at anvende et AI-værktøj til planlægningsoptimering, men inputdataene kommer fra tre systemer, der ikke passer sammen. En arbejdsforbereder ønsker at få kalkulationer automatisk kontrolleret, men de historiske data ligger spredt i separate Excel-filer per projekt. Pilotprojektet går i stå, ikke fordi teknologien ikke fungerer, men fordi organisationen endnu ikke er forberedt på det.

Hvorfor rækkefølgen tæller her

AI-modenhed måler ikke kun, om en organisation bruger værktøjer, men om fundamentet derunder er på plads. Det starter hos organisationen selv: er der en klar ejer af digitalisering, deles der kundskab mellem projekter, eller forbliver hvert projekt en isoleret ø. Derefter kommer IT-infrastrukturen: er systemerne forbundet med hinanden, er der et fundament, som nye anvendelser kan køre på, uden at alt skal indtastes manuelt. Først derefter kommer datastyring: er de data, der findes, troværdige, aktuelle og tilgængelige for dem, der skal arbejde med dem.

Denne rækkefølge er ikke en præference, men den måde, det fungerer på. En organisation, der vil forbedre datastyringen uden at IT-infrastrukturen understøtter det, bygger på flydende grund. En organisation, der vil anvende AI-løsninger uden at organisationen selv ved, hvem der ejer hvilken proces, får et værktøj, ingen vedligeholder. I byggebranchen er dette mønster synligt: branchen har ofte den organisatoriske vilje, men infrastrukturen og dataene halter bagefter. Det forklarer, hvorfor pilotprojekter ofte lykkes på projektniveau og strander på organisationsniveau — de grundlæggende dimensioner er ikke vokset med ambitionen.

Hvad målingen viser

Modenhedsmålingen fra hybridresourcing.com ser på syv dimensioner, fra organisation og infrastruktur til de mere afhængige lag som procesautomatisering og beslutningstagning. For hver dimension gælder et af fem niveauer: baseline, foundation, activation, insight eller intelligence. I byggebranchen er billedet ofte ulige fordelt over disse dimensioner. Et firma kan stå langt fremme på organisationsniveau — klare roller, en digitaliseringsagenda, opbakning fra ledelsen — og alligevel stadig ligge på baseline inden for datastyring, fordi projektdata aldrig er blevet samlet centralt.

Denne ulighed bliver synlig i plot-runden, hvor flere personer i organisationen scorer separat. En direktør og en formand kan vurdere samme virksomhed meget forskelligt, og denne spredning er i sig selv information. Hvis CIO'en tror, at dataene er i orden, og arbejdsforberederen dagligt kæmper med spredte filer, så ligger der et knudepunkt, som en enkelt samtale ikke havde afdækket. I en branche, hvor arbejdet spreder sig over projekter og parter, er denne spredning ofte større end gennemsnittet — og dermed mere informativ.

Hvad dette ikke er

Denne måling siger ikke noget om, hvilke opgaver AI kan overtage, eller hvor meget tid det sparer. Det handler om spørgsmålet, om organisationen kan bære AI: står fundamentet, er infrastrukturen klar, er dataene troværdige nok til at bygge videre på. Dette spørgsmål er mere relevant for byggebranchen end i brancher, hvor data af natur allerede registreres centralt. Sammenlign det med installationsbranchen, hvor projektbaseret arbejde og fragmenterede data giver lignende knudepunkter, eller med fremstillingsindustrien, hvor produktionsdata og organisationsstruktur viser en anden balance. Også transportsektoren har en lignende spænding mellem operationel disciplin og digital underbygning, hvilket viser, at dette mønster ikke er unikt for byggebranchen, men optræder med sin egen intensitet på grund af kædestrukturen.

Værktøjet, som dette måles med, er under opbygning. Den, der ønsker at gennemføre målingen, så snart den er tilgængelig, kan tilmelde sig ventelisten. Der udbydes her ikke noget, som endnu ikke fungerer, og der loves ikke noget om resultatet — kun et ærligt billede af, hvor organisationen står nu, dimension for dimension.

Det næste spørgsmål

Hvis det viser sig, at de grundlæggende dimensioner er i orden, eller på vej dertil, bliver et andet spørgsmål relevant: hvilken del af arbejdet selv er egnet til at blive overtaget af AI. Det er en anden måling end denne. Hvor hybridresourcing.com undersøger, om organisationen kan bære AI, beregner arbejdsscanningen fra FTE TO AI per opgave, hvilken del af arbejdet der kan overtages — ikke som et skøn, men som resultat af en opgaveanalyse. For en byggevirksomhed, der ved, hvor fundamentet står, er det det logiske næste skridt: først fundamentet, så spørgsmålet om, hvad der kan bygges derpå.