Trzy przeszkody w skalowaniu sztucznej inteligencji w branży AEC

Co odróżnia udane wdrożenia AI od wstrzymanych projektów

Dyskusja na temat sztucznej inteligencji w branży AECO (architektura, inżynieria, budownictwo i eksploatacja) przeszła z fazy teorii do praktycznych poszukiwań. Aż 84% liderów sektora AECO przyznaje, że AI pozytywnie wpływa na produktywność ich firm. Jednak przejście od udanego pilotażu do pełnej integracji rozwiązania wciąż pozostaje wyzwaniem.

Podczas webinaru z cyklu Expert Edge poświęconego AI, trzej eksperci z firm ARKANCE, Lantis i Autodesk podzielili się swoimi praktycznymi doświadczeniami i wskazówkami. Każdy z nich przedstawił własne spojrzenie na proces transformacji, pomagając zidentyfikować bariery i najlepsze praktyki niezbędne do skutecznego skalowania sztucznej inteligencji. Oto ich najważniejsze wnioski.

„Najważniejszy imperatyw kulturowy dla każdego CEO to uświadomienie sobie, że AI już tu jest, a pracownicy już z niej korzystają. Aby jednak bezpiecznie skalować to rozwiązanie, kadra zarządzająca musi oprzeć się na trzech filarach: silnym przywództwie, rygorystycznym nadzorze (governance) oraz ciągłej edukacji” — Grégoire Arranz, Global CEO ARKANCE.

Organizacje, które decydują się na adopcję AI, otwierają sobie drogę do wyższej efektywności i innowacji. Pułapki są jednak realne i tylko świadome przywództwo pozwala ich uniknąć. Jak zauważył Greg podczas spotkania na żywo, luki w produktywności w naszej branży są już ogromne. Czekanie, aż technologia w pełni dojrzeje, zanim zdecydujemy się na jej wdrożenie, oznacza ryzyko całkowitej utraty konkurencyjności.

Trzy przeszkody, które niepostrzeżenie hamują Twoje wdrożenie

Projekty związane ze sztuczną inteligencją rzadko kończą się niepowodzeniem przez samą technologię. Zawodzą z powodu tego, co kryje się u ich podstaw. W organizacjach z sektora AECO stale powtarzają się trzy bariery, a każdą z nich można zidentyfikować jeszcze przed wyborem jakiegokolwiek narzędzia.

PRZESZKODA 1 Sfragmentaryzowane środowiska danych

Gotowość danych nie jest wyzwaniem technologicznym, lecz strategicznym. Połowa liderów branży AECO wskazuje integrację sztucznej inteligencji z istniejącymi systemami jako główne wyzwanie. Prawie zawsze problem ten sprowadza się do jednej przyczyny: dane nie są odpowiednio ustrukturyzowane, dostępne ani na tyle wiarygodne, by można było na nich bazować.

Emmanuel Di Giacomo, ekspert ds. BIM i AI w firmie Autodesk, ujmuje to wprost: zanim organizacja zacznie czerpać korzyści ze sztucznej inteligencji, musi najpierw określić swoje cele strategiczne, zabezpieczyć odpowiednie zasoby, ocenić dostępne dane i wyznaczyć realne do osiągnięcia KPI w jasnych ramach czasowych. Nigdy odwrotnie.

Firmy, które chcą utrzymać konkurencyjność, wdrażają platformy CDE (Common Data Environment), które stają się ich cyfrowym kręgosłupem. CDE pozwala ustrukturyzować i zabezpieczyć informacje, zanim AI zacznie z nimi pracować. Obecnie aż 96% danych w budownictwie pozostaje niewykorzystanych, ponieważ są zablokowane w silosach poszczególnych działów. Przeniesienie tych informacji do scentralizowanego środowiska CDE buduje zaufanie do danych i przełamuje bariery informacyjne. Rozwiązuje to również krytyczny problem bezpieczeństwa: niekontrolowany obieg danych grozi ujawnieniem poufnych informacji projektowych niepowołanym osobom.

Gregoire ostrzega: „Ten fundament jest niezbędny, aby sztuczna inteligencja mogła czerpać z informacji i dostarczać precyzyjne wyniki. Ma to jednak równie krytyczne znaczenie dla bezpieczeństwa. Jeśli odpowiednio nie zorganizujesz danych, poufne informacje projektowe mogą trafić do znacznie szerszego grona osób, niż byś sobie tego życzył”.

Bez solidnego fundamentu w postaci danych, AI nie ponosi spektakularnej porażki. Po prostu po cichu nie przynosi oczekiwanych rezultatów.

PRZESZKODA 2 Skupienie wyłącznie na technologii

Zespoły, które z sukcesem przechodzą przez fazę pilotażową, nie zlecają procesu adopcji AI działom IT – oddają go w ręce ludzi, którzy są najbliżej codziennej pracy. Najczęstszym błędem popełnianym przez organizacje jest traktowanie sztucznej inteligencji jako typowego projektu informatycznego.

Yanissa De Jonghe, Head of Digital & Data w firmie Lantis, wprost wskazuje, od czego zależy sukces: „AI tworzy wartość tylko wtedy, gdy wspiera realną pracę. Sztuczna inteligencja nie jest zadaniem dla IT czy działu cyfryzacji – musi stać się częścią DNA całej organizacji, aby przynieść rzeczywiste efekty”.

W praktyce oznacza to znalezienie wewnętrznych promotorów projektu, włączenie do rozmów właścicieli procesów biznesowych i stworzenie bezpiecznego środowiska, w którym testowanie nowych rozwiązań i ewentualne niepowodzenia nie są traktowane jako krok w tył, ale jako element strategii. „Stwórzcie kulturę, w której testowanie nowości jest akceptowane, a wyciąganie wniosków z szybkich błędów stanowi naturalny proces” – mówi Yanissa.

Najszybszy zwrot z inwestycji często przynoszą procesy, które wydają się najmniej spektakularne. Oprogramowanie dla branży AECO coraz częściej osadza sztuczną inteligencję w narzędziach, z których zespoły korzystają na co dzień. Choć to mocno obniża barierę technologiczną, Yanissa zauważyła, że w Lantis najszybszy i najbardziej opłacalny zwrot z inwestycji (ROI) zapewniła automatyzacja procesów pobocznych.

Zadania charakteryzujące się dużym obciążeniem administracyjnym, takie jak wyłapywanie nieprawidłowości na fakturach czy odpowiadanie na rutynowe pytania dotyczące umów, są zazwyczaj rzadziej cyfryzowane. Oznacza to, że właśnie tam AI ma największy potencjał do wygenerowania natychmiastowego wpływu na efektywność firmy. Przeanalizowanie tych zadań i określenie konkretnego celu strategicznego to doskonały punkt wyjścia.

Grégoire popiera to krokowe podejście, podkreślając, że dzielenie innowacji na „mniejsze, strawne kawałki” to najszybszy sposób na naukę i sprawną optymalizację własnych błędów. Zaznacza jednak, że te pierwsze, szybkie sukcesy muszą być odpowiednio osadzone w centralnej strategii firmy: „Podejście modułowe zapewnia szybkość, ale aby cała firma mogła w pełni korzystać z nowych doświadczeń, niezbędny jest skoordynowany program wprowadzający odpowiednie zasady i procesy szkoleniowe”.

PRZESZKODA 3 Zaskakująca krzywa adopcji

Tradycyjne założenia dotyczące tego, kto najsilniej opiera się nowym technologiom, a kto jest pionierem ich wdrożeń, wywracają się w branży AECO do góry nogami. Zignorowanie naturalnego ludzkiego tempa przyswajania innowacji to błąd w zarządzaniu, który może zatrzymać realizację nawet najlepiej dofinansowanych programów.

Yanissa zaobserwowała to zjawisko bezpośrednio w firmie Lantis: najbardziej aktywnymi pionierami we wdrażaniu nowości są pracownicy na doświadczonych stanowiskach – dyrektorzy projektów i starsi asystenci. Wykorzystują oni sztuczną inteligencję do szybkiego podnoszenia własnej produktywności, zupełnie nie obawiając się, że zostaną przez nią zastąpieni.

Ten sam trend wyraźnie przyspiesza w całej branży, zwłaszcza za sprawą Agentic AI (sztucznej inteligencji zaprojektowanej do autonomicznej realizacji procesów). Grégoire zauważa, że rozwiązania te najszybciej i najsilniej transformują stanowiska wymagające intensywnej pracy z danymi i kontekstem – w szczególności te związane z zapytaniami ofertowymi (RFQ), wycenami, księgowością czy wsparciem klienta. Na tym etapie nie chodzi jednak o całkowite delegowanie zadań maszynom; celem jest wykorzystanie AI jako akceleratora ludzkiej efektywności.

Aby skutecznie ominąć tę przeszkodę, prawdziwa integracja wymaga wyjścia naprzeciw aktualnym potrzebom pracowników. Należy połączyć specjalistyczne szkolenia techniczne z edukacją praktyczną, by zbudować w zespołach trwałe zaufanie do tych zaawansowanych rozwiązań. Rozwój kompetencji pracowników daje pewność, że zintegrowane platformy AI realnie wspierają ludzi, którzy odpowiadają za realizację projektów.

Kluczowym pytaniem nie jest już ROI — to RONI

Dla decydentów, którzy wciąż się wahają, perspektywa uległa zmianie. Prawdziwe ryzyko nie tkwi w inwestowaniu w sztuczną inteligencję, lecz w zwlekaniu — to ryzyko braku inwestycji (RONI – Risk of Not Investing).

O ile tradycyjne wskaźniki zwrotu z inwestycji (ROI) są wciąż trudne do oszacowania z uwagi na krótką historię tej technologii, o tyle koszty bezczynności są aż nadto widoczne. Greg podkreślił, że firmy najwcześniej wdrażające te innowacje już teraz odnotowują wzrost produktywności rzędu 5–10%. W sektorze o tak dużym nacisku na marże jak AECO, dziesięcioprocentowa luka w efektywności tworzy natychmiastową, niemożliwą do nadrobienia stratę do konkurencji dla tych, którzy wybrali strategię „poczekamy, zobaczymy”.

„Błędem jest zakładanie, że transformacja cyfrowa zaczyna się od wyboru narzędzia, a nie od jasnej potrzeby biznesowej, lub że inwestycje w AI wymagają ogromnego kapitału i wiążą się z powolnym zwrotem” — mówi Yanissa.

Nazywa ona to zjawisko „kosztem długu technologicznego”: im dłużej organizacja zwleka z budową fundamentów bazodanowych i gotowości na zmiany, tym droższa będzie dla niej adaptacja w przyszłości. Firma Lantis boleśnie przekonała się o tym, gdy wybuchła pandemia COVID-19. Ich gotowość cyfrowa pozwoliła 300–400 zewnętrznym podwykonawcom przejść na pracę zdalną już pierwszego dnia. To nie był łut szczęścia, ale efekt decyzji podjętych wiele lat wcześniej.

Według Emmanuela przyszłość cyfrowej transformacji leży w podejściu Outcome-Based BIM, a wbudowane narzędzia AI mogą pomóc firmom z sektora AECO uporządkować przepływ danych, aby szybciej osiągnąć pożądaną dojrzałość w środowisku BIM. Przy ocenie rozwiązań zaleca on sprawdzenie, czy opierają się one na trzech filarach: automatyzacji w celu redukcji powtarzalnych zadań, wsparciu w odkrywaniu wartościowych wniosków (actionable insights) oraz rozszerzaniu kreatywności i możliwości samych projektantów.

Przepaść między programami pilotażowymi a pełną integracją nie wynika z ograniczeń technologii — w równym stopniu jest to problem związany z danymi, co z czynnikiem ludzkim. Organizacje czerpiące największe korzyści ze sztucznej inteligencji to nie tylko te, które dysponują uporządkowanymi i dobrze zarządzanymi danymi. To przede wszystkim te, w których pracownicy na każdym szczeblu aktywnie wspierają proces adopcji nowych narzędzi, zadają trafne pytania i budują nowe nawyki.

Dane dostarczają sztucznej inteligencji materiał do pracy. Kultura organizacyjna nadaje jej kierunek. Dopiero połączenie tych dwóch elementów tworzy fundament, który faktycznie przetrwa próbę czasu.

Partner w innowacjach

Grégoire postrzega idealną relację nie jako zwykłą transakcję handlową, lecz jako prawdziwe partnerstwo: „Traktujemy to jako wspólne tworzenie innowacji. Nasi klienci są właścicielami własności intelektualnej swoich danych oraz specjalistycznego know-how — doskonale wiedzą, jak efektywnie projektować i dobrze budować. ARKANCE dostarcza z kolei metodologię, strukturę danych i doświadczenie niezbędne do tego, aby wdrożyć nową technologię w sposób maksymalnie bezpieczny i uwalniający jej pełny potencjał”.

ARKANCE współpracuje z organizacjami, by ukierunkować, wyposażyć w odpowiednie narzędzia i wspierać zespoły w procesie adopcji AI — od budowy właściwych fundamentów dla danych po pewne i bezpieczne skalowanie rozwiązań. Zapoznaj się z serią Expert Edge, aby poznać praktyczne strategie i wnioski wyciągnięte przez doświadczonych liderów, którzy nadają kształt branżowym zmianom. Transformacja wymaga zaangażowania całego zespołu. Jesteśmy tu, by Ci w tym pomóc.

Skontaktuj się z nami, aby rozpocząć tworzenie mapy drogowej wdrożenia AI w Twojej firmie.