Három akadály, amely lassítja az AI bevezetését az AECO szektorban

Mi különbözteti meg az AI sikerét a megakadt projektektől?

Az építészet, a mérnöki munka, az építőipar és az üzemeltetés (AECO) szektorban az AI körüli diskurzus az elméletből a gyakorlati vizsgálat felé mozdult el. Az AECO vezetők 84%-a szerint az AI pozitívan hat a produktivitásra. Mégis, a sikeres pilot projekt és az érdemi integráció közötti szakadék továbbra is kihívást jelent.

Az AI-ról szóló Expert Edge webináriumon három AECO szakértő – az ARKANCE, a Lantis és az Autodesk részéről – osztotta meg valós tapasztalatait és tanácsait. Minden megszólaló az átalakulás útjáról ad betekintést, segítve az akadályok azonosítását és a legjobb gyakorlatokat az AI sikeres, széles körű bevezetéséhez. Íme, mit tanultak.

„Az egyetlen kulturális kötelezettség, amellyel minden CEO-nak szembe kell néznie, az alábbi: el kell fogadni, hogy az AI már itt van, és az alkalmazottak már most is használják. De ahhoz, hogy biztonságosan bővítsék, a vezetésnek egy egyértelmű hármast kell kialakítania: erős vezetést, szigorú irányítást és folyamatos képzést."
- Grégoire Arranz, az ARKANCE globális vezérigazgatója

A vállalatok, amelyek bevezetik az AI-t, hatékonysági és innovációs lehetőségeket nyitnak meg, de a buktatók valódiak, és csak a tudatos vezetés képes sikeresen navigálni közöttük. Amint Grégoire élőben megjegyezte, az iparágunkban a produktivitási rések már most is hatalmasak. Ha megvárjuk, hogy a technológia teljesen kiforrott legyen, mielőtt belevágunk, azzal kockára tesszük a versenyképességünket.

Három akadály, amely csendben megakasztja a bevezetést

Az AI-projektek ritkán a technológia miatt buknak el. Azért buknak el, amit alatta találunk. Három akadály jelenik meg következetesen az AECO szervezeteknél, és mindhárom azonosítható, mielőtt egyetlen eszközt is kiválasztanának.

1. AKADÁLY  Fragmentált adatkörnyezetek

Az adatkészültség nem technikai akadály – stratégiai. Az AECO vezetők fele az AI meglévő rendszerekkel való integrálását nevezi meg fő kihívásként. Az integrációs probléma majdnem mindig ugyanahhoz a gyökérokhoz vezethető vissza: az adatok nem eléggé strukturáltak, hozzáférhetők vagy megbízhatók ahhoz, hogy ezekre lehessen építeni.

Emmanuel Di Giacomo, az Autodesk BIM és AI szakértője, így foglalja össze a megfelelő sorrendet: mielőtt egy szervezet hasznát látná az AI-nak, először meg kell határoznia stratégiai célkitűzéseit, biztosítania kell a megfelelő erőforrásokat, fel kell mérnie a rendelkezésre álló adatokat, és elérhető KPI-kat kell meghatároznia egy egyértelmű ütemtervvel. Nem fordítva.

A versenyképességüket fenntartó szervezetek kollaboratív Közös Adatkörnyezeteket (CDE-ket) telepítenek, amelyek ezt a digitális gerincet biztosítják, strukturálva és biztosítva az információt, mielőtt az AI azzal kapcsolatba kerülne.

Jelenleg a kivitelezési adatok 96%-a kihasználatlan marad, mert osztályok közötti silókban van bezárva. Ezeknek az információknak egy központi CDE-be hozása javítja a bizalmat és lebontja ezeket a korlátokat, de egy kritikus biztonsági sebezhetőséget is kezel: egy nem kezelt gerinc azzal a kockázattal jár, hogy bizalmas projektadatok rossz kezekbe kerülhetnek.

Gregoire figyelmeztet: „Ez az alap fontos ahhoz, hogy az AI megfelelő információból dolgozzon és pontos eredményeket nyújtson. De a biztonság szempontjából is kritikus. Ha nem szervezi meg megfelelően, a bizalmas projektadatok sokkal több embernek lehetnek elérhetők, mint szeretné."

Erős adatalap nélkül az AI nem drámaian hibázik – csendben alulteljesít.

2. AKADÁLY  Eszközcentrikus gondolkodás

Azok a csapatok, amelyek túljutnak a pilot fázison, nem a technológiai osztálynak adják az AI bevezetését – azoknak adják, akik a legközelebb állnak a munkához. A leggyakoribb hiba, amit a szervezetek elkövetnek, hogy az AI-t IT-projektként kezelik.

Yanissa De Jonghe, a Lantis Digitális és Adatosztályának vezetője, egyértelműen fogalmaz arról, hol mérhető valójában a siker: „Az AI csak akkor teremt értéket, ha kapcsolódik a valódi munkához. Az AI nem az IT vagy digitális osztály feladata – be kell épülnie a szervezet DNS-ébe, hogy valódi hatása legyen."

Ez azt jelenti, hogy belső támogatókat kell találni, helyet kell adni az üzleti folyamatok tulajdonosainak a döntéshozásban, és biztonságos környezetet kell teremteni, ahol valami kipróbálása és a kudarc nem visszaesés – a stratégia része.

„Teremtsen olyan kultúrát, ahol elfogadott a próbálkozás, és ha kudarcot szenved, gyorsan bukjon el, és haladjon tovább" – mondja Yanissa.

A leggyorsabb megtérülés gyakran a legkevésbé csillogó folyamatokból érkezik. Az AECO szoftverplatformok közvetlenül beépítik az AI-t azokba az eszközökbe, amelyeket a csapatok már most is használnak. Bár ez alacsonyabbra teszi a technikai belépési küszöböt, Yanissa azt tapasztalta, hogy a Lantis-nál a leggyorsabb és legjövedelmezőbb megtérülés a nem alapfolyamatok automatizálásából érkezett. A magas adminisztrációs igényű feladatok – mint a számlaanomáliák jelzése vagy a szerződéses kérdések megválaszolása – kevésbé digitalizáltak, ami azt jelenti, hogy az AI nagyobb potenciállal bír az azonnali hatás elérésére. Ezeknek a feladatoknak a felmérése és egy stratégiai célkitűzés meghatározása jó kiindulópont.

Grégoire egyetért ezzel a fokozatos megközelítéssel, megjegyezve, hogy az innováció kis, kezelhető részekre bontása a leggyorsabb módja a tanulásnak és a tovahaladásnak. Azonban kiemeli, hogy a gyors győzelmeket centrálisan kell rögzíteni: „A modularitás sebességet biztosít, de egy koordinált program a megfelelő irányelvek és tanulási gyakorlatok bevezetésére elengedhetetlen ahhoz, hogy a tanulságokat a teljes vállalatnál hasznosítani tudják."

3. AKADÁLY  A bevezetési görbe alábecsülése

A hagyományos feltételezések arról, ki ellenáll az új technológiáknak és ki vezeti a bevezetést, az AECO szektorban most fejre állnak. A bevezetés emberi ritmusának figyelmen kívül hagyása irányítási hiba, amely megakasztja még a jól finanszírozott programokat is.

Yanissa közvetlenül megfigyelte ezt a Lantisnál: a legaktívabb korai elfogadók a tapasztalt szerepek (projektvezetők és vezető asszisztensek) akik az AI-t a produktivitás növelésére használják, anélkül hogy a leváltástól félnének. Ugyanezt a tendenciát figyeljük meg az egész iparágban felgyorsulva, különösen az ügynökalapú AI (Agentic AI – önállóan munkafolyamatokat végrehajtó AI) révén.

Grégoire megjegyzi, hogy a legtranszformatívabb, azonnali hatások az adat- és kontextusigényes szerepekben jelennek meg, konkrétan az árajánlatkérésekben, az ajánlatadásban, a könyvelésben és az ügyfélszolgálatban. Ebben a szakaszban azonban nem a teljes feladatátadás a cél; az AI emberi produktivitás-gyorsítóként való használata az.

Ahhoz, hogy túljussunk ezen az akadályon, a valódi integráció megköveteli, hogy ott találkozzunk az alkalmazottakkal, ahol éppen vannak – specializált technikai képzést kombinálva gyakorlati oktatással, hogy tartós magabiztosságot építsünk fel ezekben a fejlett megoldásokban. A csapatok készségeinek fejlesztése biztosítja, hogy ezek a beépített AI-platformok valóban erősítsék a projektet vezető embereket.

A kérdés már nem a ROI – hanem a RONI

A még döntésre váró döntéshozók számára a diskurzus elmozdult. A kockázat nem az AI-ba történő beruházásban van. Hanem a várakozásban – és a nem-beruházás kockázatában (RONI).

Bár a hagyományos ROI-modelleket nehéz kiszámítani, mivel a technológia története rövid, a tétlenség költsége egyértelmű. Greg felfedte, hogy a korai elfogadók már most 5-10%-os produktivitásnövekedést érnek el. Egy olyan szűk margójú iparágban, mint az AECO, egy 10%-os hatékonysági szakadék azonnali, leküzdhetetlen versenyhátrányt teremt azoknak, akik a várakozást választották.

„Hiba azt hinni, hogy a digitális átalakulás egy eszközzel kezdődik, nem pedig egy egyértelmű szervezeti igénnyel, vagy hogy az AI-beruházások hatalmas tőkét és lassú ROI-t igényelnek" – mondja Yanissa.

Ezt nevezi a legacy-költségnek: minél tovább halogatja egy szervezet az adatalap és a változási képesség kiépítését, annál drágábbá válik a jövőbeli alkalmazkodás. Lantis ezt a valóságban is megtapasztalta, amikor a Covid lecsapott: digitális készültségük lehetővé tette, hogy 300–400 külső vállalkozó az első napon átálljon a távmunkára. Ez nem szerencse volt. Évekkel korábban meghozott döntések eredménye volt.

Emmanuel szerint a digitális átalakulás jövője az Eredményalapú BIM-ben rejlik, és a beépített AI-eszközök segíthetnek az AECO szervezeteknek megtisztítani adatfolyamukat, hogy gyorsabban érjenek el BIM-érettséget. A megoldások kiértékelésekor azt javasolja, hogy győződjünk meg arról, hogy azok három pillért támogatnak: automatizálás az ismétlődő feladatok csökkentésére, segítségnyújtás a cselekvésre alkalmas betekintések feltárására, és kiegészítés a tervezői kreativitás fokozására.

A pilot projektek és az integráció közötti szakadék nem technológiai probléma – egyenlő mértékben adat- és emberi probléma. Azok a szervezetek, amelyek a legtöbbet nyerik az AI-ból, nem csak azok, amelyeknek tiszta, jól irányított adataik vannak. Azok, ahol minden szinten az emberek a bevezetés mellett állnak, jobb kérdéseket tesznek fel, és új szokásokat alakítanak ki.

Az adat ad valamit, amivel az AI dolgozhat. A kultúra ad neki valahova, amerre haladhat. Ha mindkettőt jól csinálja, az alap, amit épít, valóban tartani fog.

Grégoire nem szállítói tranzakcióként, hanem valódi partnerségként írja le az ideális kapcsolatot: „Ezt közös innovációs munkának tekintjük. Ügyfeleink saját adataik és iparági know-how-juk szellemi tulajdonosai – ők tudják, hogyan tervezzenek hatékonyan és építsenek megfelelően. Az ARKANCE hozza a metódust, az adatstruktúrát és a tapasztalatot, hogy a technológiát a leginkább biztonságos és kiaknázott módon vezesse be."

Az ARKANCE partnerségben dolgozik a szervezetekkel, hogy irányítsa, felszerelje és felhatalmazza a csapatokat az AI bevezetésében – a megfelelő adatalap kiépítésétől a magabiztos bővítésig. Fedezze fel az Expert Edge sorozatot a változást alakító, tapasztalt vezetők valódi stratégiáiért és tanulságaiért.

Az átalakulás csapatmunka. Mi vagyunk az Ön csapata.

Lépjen kapcsolatba velünk, hogy elkezdje felépíteni AI-útitervét.