Kennisbank

Zrelost AI v gradbeništvu: kje temelji še manjkajo

Gradbeništvo že desetletja deluje z razplastenno verigo: naročnik, glavni izvajalec, podizvajalci, dobavitelji. Ta veriga je vajena porazdeljevanja odgovornosti in dobave dela v fazah. To panogo v določenih pogledih bolje pripravi na AI kot druge panoge — obstaja disciplina pri načrtovanju, pri nadzoru kakovosti, pri zapisovanju dogovorov. Toda ista veriga naredi podatke ranljive. Risbe, kalkulacije, časovni načrti in poročila o poteku dela nastajajo pri različnih strankah, v različnih sistemih, z različnimi verzijami resnice. Aplikacija AI, ki mora delovati na teh podatkih, deluje na nečem, kar pogosto ni popolno, ni aktualno ali ni centralizirano.

Razlika med organizacijsko disciplino in zrelostjo podatkov je prav tam, kjer se veliko pilotnih projektov AI v gradbeništvu zatakne. Vodja projekta poskuša uporabiti orodje AI za optimizacijo časovnega načrtovanja, vendar vhodni podatki prihajajo iz treh sistemov, ki se med seboj ne ujemajo. Priprava dela želi kalkulacije samodejno preverjati, vendar so zgodovinski podatki razpršeni po ločenih Excel datotekah po projektih. Pilotni projekt ne obstane, ker tehnologija ne deluje, temveč ker organizacija na to še ni pripravljena.

Zakaj je vrstni red tukaj pomemben

Zrelost AI ne merí le, ali organizacija uporablja orodja, temveč ali stoji temelj pod tem. To se začne pri organizaciji sami: ali obstaja jasen lastnik digitalizacije, ali se znanje deli med projekti, ali pa vsak projekt ostaja osamljen otok. Nato sledi IT-infrastruktura: ali so sistemi med seboj povezani, ali obstaja osnova, na kateri lahko delujejo nove aplikacije, ne da bi bilo vse treba ročno prepisovati. Šele nato pride upravljanje podatkov: ali so podatki, ki obstajajo, zanesljivi, aktualni in dostopni tistim, ki morajo z njimi delati.

Ta vrstni red ni preferenca, temveč način, kako to deluje. Organizacija, ki želi izboljšati upravljanje podatkov, ne da bi to podpirala IT-infrastruktura, gradi na peščenih tleh. Organizacija, ki želi uvesti aplikacije AI, ne da bi organizacija sama vedela, kdo je lastnik katerega procesa, dobi orodje, ki ga nihče ne vzdržuje. V gradbeništvu je ta vzorec viden: panoga ima pogosto organizacijsko voljo, vendar infrastruktura in podatki zaostajajo. To pojasnjuje, zakaj pilotni projekti pogosto uspejo na ravni projekta in se zataknejo na ravni organizacije — temeljne razsežnosti niso rasle skupaj z ambicijo.

Kaj pokaže meritev

Meritev zrelosti hybridresourcing gleda na sedem razsežnosti, od organizacije in infrastrukture do bolj odvisnih plasti, kot sta avtomatizacija procesov in odločanje. Za vsako razsežnost velja eno od petih ravni: baseline, foundation, activation, insight ali intelligence. V gradbeništvu je slika pogosto neenakomerno porazdeljena med temi razsežnostmi. Podjetje je lahko na ravni organizacije daleč — jasne vloge, agenda digitalizacije, podpora vodstva — in vseeno pri upravljanju podatkov še na baseline, ker projektni podatki nikoli niso bili centralno zbrani.

Ta neenakost postane vidna v krogu ocenjevanja, v katerem več ljudi znotraj organizacije oceni ločeno. Direktor in izvajalec lahko isto podjetje ocenita zelo različno, in ta razpon sam po sebi predstavlja informacijo. Če direktor informatike meni, da so podatki urejeni, priprava dela pa se vsakodnevno spopada z razpršenimi datotekami, potem je tam ovira, ki jo en samostojen pogovor ne bi razkril. V panogi, kjer se delo razprši po projektih in strankah, je ta razpon pogosto večji kot povprečno — in s tem bolj informativen.

Kaj to ni

Ta meritev ne pove nič o tem, katere naloge lahko prevzame AI ali koliko časa to prihrani. Gre za vprašanje, ali lahko organizacija nosi AI: ali stoji temelj, ali je infrastruktura pripravljena, ali so podatki dovolj zanesljivi za gradnjo na njih. To vprašanje je za gradbeništvo bolj relevantno kot v panogah, kjer se podatki že po naravi centralno zapisujejo. Primerjajte to z instalacijsko panogo, kjer projektno delo in razdrobljeni podatki povzročajo podobne ovire, ali s proizvodno industrijo, kjer proizvodni podatki in organizacijska struktura kažejo drugačno ravnotežje. Tudi transportni sektor poznam podobno napetost med operativno disciplino in digitalno podlago, kar kaže, da ta vzorec ni edinstven za gradbeništvo, se pa zaradi strukture verige pojavlja s svojo intenzivnostjo.

Orodje, s katerim se to merí, je v izdelavi. Kdor želi opraviti meritev, ko bo na voljo, se lahko prijavi na čakalno listo. Tukaj se ne ponuja nič, kar še ne deluje, in ne obljublja se nič glede izida — le pošten pogled na to, kje organizacija zdaj stoji, razsežnost za razsežnostjo.

Naslednje vprašanje

Če se izkaže, da so temeljne razsežnosti urejene, ali na poti do tega, postane relevantno drugo vprašanje: kateri del dela je sam po sebi primeren za prevzem s strani AI. To je drugačna meritev kot ta. Kjer hybridresourcing preverja, ali lahko organizacija nosi AI, delovna analiza FTE TO AI izračuna po nalogah, kateri del dela je mogoče prevzeti — ne kot ocena, temveč kot izid analize nalog. Za gradbeno podjetje, ki ve, kje stoji temelj, je to logičen naslednji korak: najprej temelj, nato vprašanje, kaj se lahko na njem zgradi.