Trys kliūtys, trukdančios išplėsti dirbtinio intelekto taikymą projektavimo ir statybos sektoriuje

Kuo skiriasi sėkmingi dirbtinio intelekto diegimo projektai nuo įstrigusiųjų aklavietėje

Diskusijos apie dirbtinį intelektą architektūros, inžinerijos, statybos ir eksploatacijos srityse jau perėjo nuo teorijos prie praktinio taikymo. 84% statybos įmonių vadovų teigia, kad dirbtinis intelektas daro teigiamą poveikį našumui. Vis dėlto atotrūkis tarp sėkmingo bandomojo projekto ir realios integracijos vis dar išlieka ir tebėra iššūkis.

„Expert Edge“ serijos internetiniame seminare apie dirbtinį intelektą trys ekspertai iš „ARKANCE“, „Lantis“ ir „Autodesk“ kompanijų dalijosi savo praktine patirtimi ir patarimais. Jie pateikė praktinių įžvalgų apie transformacijos kelią, kurios padeda nustatyti kliūtis ir sužinoti, kaip sėkmingai išplėsti dirbtinio intelekto taikymą.

„Kiekvienas įmonės vadovas turi pripažinti, kad dirbtinis intelektas jau tapo kasdienybe, ir darbuotojai jį naudoja. Tačiau norint saugiai plėsti DI taikymą visos įmonės mastu, būtina remtis trimis pagrindiniais principais – stipria lyderyste, aiškiu valdymu ir nuolatiniu darbuotojų mokymu,“ - sako Grégoire Arranz, „ARKANCE“ generalinis direktorius.

Įmonės, kurios sėkmingai diegia DI, įgyja didelį efektyvumo ir inovacijų potencialą. Tačiau rizikų taip pat netrūksta, todėl tik kryptingas vadovų įsitraukimas leidžia šį pokytį įgyvendinti sėkmingai. Kaip seminaro metu pabrėžė Grégoire Arranz, produktyvumo skirtumai statybų sektoriuje jau dabar yra didžiuliai. Laukti, kol technologijos visiškai subręs, reiškia rizikuoti savo konkurencingumu.

Trys kliūtys, tyliai stabdančios DI diegimą

Dirbtinio intelekto projektai retai žlunga dėl pačios technologijos. Dažniausiai nesėkmę lemia tai, kas slypi po ja. Statybų sektoriaus įmonėse nuolat pasikartoja trys pagrindinės kliūtys, ir visas jas galima nustatyti dar prieš pasirenkant konkretų DI sprendimą.

1 kliūtis. Išskaidyta duomenų aplinka

Duomenų parengimas dirbtinio intelekto diegimui nėra vien techninis klausimas – tai strateginis iššūkis. Pusė statybų sektoriaus įmonių vadovų nurodo, kad pagrindinis iššūkis yra dirbtinio intelekto integravimas į esamas sistemas. Beveik visada ši integracijos problema kyla dėl tos pačios pagrindinės priežasties: duomenys nėra pakankamai struktūrizuoti, prieinami ar patikimi, kad būtų galima jais remtis.

„Autodesk“ BIM ir DI ekspertas Emmanuel Di Giacomo aiškiai išdėsto veiksmų seką: prieš organizacijai pradedant naudotis DI teikiamais privalumais, ji pirmiausia turi apibrėžti savo strateginius tikslus, skirti reikiamus išteklius, įvertinti turimus duomenis ir nustatyti pasiekiamus pagrindinius veiklos (KPI) rodiklius su aiškiu įgyvendinimo grafiku. Tik po to verta rinktis technologinius sprendimus.

Organizacijos, siekiančios išlikti konkurencingos, vis dažniau diegia bendrąją duomenų aplinką (angl. Common Data Environment, CDE), kuri tampa jų skaitmeninės veiklos pagrindu. CDE leidžia centralizuoti, struktūrizuoti ir apsaugoti informaciją dar prieš ją pradedant naudoti dirbtinio intelekto sprendimams. Šiuo metu 96 % statybos duomenų lieka nepanaudoti, nes jie yra išskaidyti tarp skirtingų padalinių ir sistemų. Šios informacijos centralizavimas CDE aplinkoje didina pasitikėjimą ir pašalina šias kliūtis, kartu išsprendžiant svarbią saugumo spragą: prastai valdoma duomenų aplinka kelia pavojų, kad konfidenciali projekto informacija gali patekti į netinkamas rankas. Kaip pabrėžia Grégoire Arranz:

„Patikimas duomenų pagrindas yra būtinas tam, kad dirbtinis intelektas galėtų naudoti informaciją ir pateikti patikimus rezultatus. Tačiau jis svarbus ir saugumo požiūriu. Jei duomenys nėra tinkamai sutvarkyti ir valdomi, kyla rizika, kad konfidenciali projekto informacija taps prieinama gerokai platesniam žmonių ratui nei pageidautina.“

Be kokybiškų duomenų DI nesugrius dramatiškai, tačiau jis tiesiog tyliai nepateisins lūkesčių, sukurdamas mažiau naudos, nei galėtų.

2 kliūtis.  Dėmesys technologijai, o ne verslo poreikiams

Komandos, kurios sėkmingai įveikia DI taikymo bandomąjį etapą, dirbtinio intelekto diegimą patiki ne technologijų skyriui, o tiems žmonėms, kurie yra arčiausiai realaus darbo. Viena dažniausių klaidų – DI taikymą traktuoti kaip IT projektą.

Yanissa De Jonghe, bendrovės „Lantis“ skaitmenizacijos ir duomenų skyriaus vadovė pabrėžė, kas iš tiesų lemia sėkmę: „DI sukuria vertę tik tada, kai tampa kasdienio darbo dalimi. Tai nėra vien IT ar skaitmenizacijos skyriaus atsakomybė – jei norime realaus poveikio, DI turi tapti visos įmonės DNR dalimi“.

Tai reiškia, kad komandoje reikia rasti vidinius pokyčių rėmėjus, įtraukti verslo procesų savininkus į sprendimų priėmimą ir sukurti aplinką, kurioje būtų saugu eksperimentuoti, o bandymai ir nesėkmės būtų laikomi natūralia mokymosi proceso dalimi. „Kurkite kultūrą, kurioje priimtina bandyti naujus dalykus, o jei nepavyksta, tegul tai įvyksta greitai, kad galėtumėte pasimokyti ir judėti pirmyn“, – sako Yanissa.

Įdomu tai, kad greičiausią investicijų grąžą dažnai duoda ne sudėtingiausi, o kasdieniai procesai. Vis daugiau programinės įrangos gamintojų dirbtinį intelektą integruoja tiesiai į įrankius, kuriuos komandos jau naudoja. Nors tai sumažina technologijų diegimo iššūkius, Yanissa De Jonghe pastebėjo, kad greičiausią ir pelningiausią investicijų grąžą įmonė „Lantis“ pasiekė automatizavusi ne pagrindinius projektavimo procesus, o kasdienes administracines užduotis, pavyzdžiui, sąskaitų faktūrų neatitikimų nustatymą, atsakymus į su sutartimis susijusius klausimus, kitus daug rankinio darbo reikalaujančius procesus.

Kadangi šios sritys mažiau skaitmenizuotos, dirbtinis intelektas jose gali sukurti didžiausią vertę per trumpiausią laiką. Tokių kasdienių užduočių įvertinimas ir strateginio tikslo nustatymas yra geras DI diegimo pradžios taškas. 

Grégoire Aranz pritaria šiam etapiniam požiūriui. Jo nuomone, inovacijų suskaidymas į „lengvai įsisavinamus žingsnius“ yra greičiausias būdas mokytis, įgyti patirties ir tobulėti. Tačiau jis atkreipia dėmesį, kad greiti laimėjimai turi būti koordinuojami centralizuotai: „Modulinis požiūris užtikrina greitį, tačiau koordinuota programa, orientuota į tinkamų procesų ir mokymosi praktikų įgyvendinimą, yra būtina siekiant užtikrinti, kad šios žinios būtų panaudotos visoje įmonėje.“ 

3 kliūtis.  Nepakankamai įvertintas darbuotojų įsitraukimas

Tradicinės prielaidos apie tai, kas priešinasi naujoms technologijoms, o kas pirmauja jų diegime, statybų sektoriuje jau kinta. Neatsižvelgus į natūralų žmogiškąjį prisitaikymo prie pokyčių tempą, net ir gerai finansuojamos DI iniciatyvos gali strigti.

Yanissa De Jonghe šią tendenciją pastebėjo ir „Lantis“ įmonėje: aktyviausi pirmieji DI naudotojai yra patyrę darbuotojai, projektų vadovai ir vyresnieji administracijos darbuotojai. Jie naudoja DI produktyvumui didinti, nesibaimindami dėl grėsmės savo darbo vietai.

Tokia tendencija ryškėja visose pramonės šakose, ypač sparčiai populiarėjant agentiniam dirbtiniam intelektui (angl. Agentic AI) - sprendimams, galintiems savarankiškai vykdyti darbo eigų užduotis. Kaip pažymi Grégoire Arranz, šiuo metu didžiausią transformacinį poveikį DI daro srityse, kuriose dirbama su dideliais duomenų kiekiais ir sudėtingu kontekstu, pavyzdžiui, teikiant medžiagą konkursams, rengiant komercinius pasiūlymus, tvarkant apskaitą ir aptarnaujant klientus. Tačiau šiame etape tikslas nėra visiškas užduočių perdavimas dirbtiniam intelektui. Kur kas svarbiau jį naudoti kaip priemonę, padedančią žmonėms dirbti našiau ir priimti geresnius sprendimus.

Šiam tikslui pasiekti vien technologijų nepakanka. Sėkminga DI integracija reikalauja atsižvelgti į darbuotojų esamą lygį, derinant specializuotus techninius mokymus su praktiniu darbu, kad būtų sukurtas ilgalaikis pasitikėjimas pažangiomis technologijomis. Komandos kompetencijų stiprinimas leidžia užtikrinti, kad DI sprendimai taps realia pagalba žmonėms, kurie įgyvendina projektus.

Svarbu nebe ROI, o RONI

Diskusijose apie dirbtinį intelektą dažnai užduodamas investicijų grąžos (angl. Return of Investment, arba ROI) klausimas. Tai svarbus klausimas, tačiau kalbant apie dirbtinį intelektą, šalia jo iškyla ir kita perspektyva: kiek kainuoja nieko nedaryti?

Tai galima apibūdinti kaip neinvestavimo riziką arba RONI (angl. Risk of Not Investing).

Kadangi dirbtinio intelekto technologijos dar palyginti naujos, tradicinius ROI skaičiavimus ne visada lengva atlikti, tačiau neveiklumo kaina jau dabar yra akivaizdi. Seminaro metu Grégoire Arranz atskleidė, kad įmonės, pradėjusios naudoti DI anksčiau, jau pasiekė 5–10 % našumo augimą. Tokiame mažos maržos sektoriuje kaip statyba, 10% efektyvumo atotrūkis sukuria reikšmingą konkurencinį nepatogumą tiems, kurie nusprendė „palaukti ir pažiūrėti“.

„Klaidinga manyti, kad skaitmeninė transformacija prasideda nuo technologijos pasirinkimo, o ne nuo aiškiai įvardinto organizacijos poreikio, arba kad investicijos į DI reikalauja milžiniško kapitalo ir lėtos investicijų grąžos“, – sako Yanissa De Jonghe.

Kuo ilgiau organizacija delsia kurti duomenų bazę ir atidėlioja pokyčių valdymo kompetencijų stiprinimą, tuo sunkiau ir brangiau jai tampa prisitaikyti vėliau. Tai Yanissa apibūdina kaip tradicinių veiklos būdų kainą.

„Lantis“ skaitmeninis pasirengimas konkrečiai įrodė savo vertę COVID-19 pandemijos metu. Kai greitai iškilo poreikis pereiti prie nuotolinio darbo, ankstesni organizacijos sprendimai leido 300–400 išorinių partnerių pereiti prie nuotolinio darbo jau pirmąją dieną. Tai buvo ne atsitiktinumas, o prieš kelerius metus priimtų sprendimų rezultatas.

Tuo tarpu Emmanuel Di Giacomo mano, kad skaitmeninės transformacijos ateitis glūdi rezultatais pagrįstame BIM modelyje, ir kad į projektavimo technologijas integruoti DI įrankiai gali padėti organizacijoms sutvarkyti savo duomenų srautą, todėl BIM brandą galima pasiekti gerokai greičiau. Vertindamas DI sprendimus, jis rekomenduoja įsitikinti, kad jie remiasi trimis ramsčiais:

• automatizuoja pasikartojančias užduotis,

• padeda greičiau pastebėti svarbias įžvalgas ir priimti sprendimus,

• papildo projektuotojų kūrybiškumą, o ne jį pakeičia.

Atotrūkis tarp bandomųjų projektų ir integracijos nėra technologinė problema – tai vienodai susiję ir su duomenimis, ir su žmonėmis. Didžiausią naudą iš DI gaune organizacijos, kurios ne tik turi tvarkingus, gerai valdomus duomenis. Sėkmę lemia ir tai, ar tų įmonių visų lygių darbuotojai aktyviai palaiko pokyčius, kelia geresnius klausimus ir formuoja naujus darbo įpročius.

Duomenys suteikia dirbtiniam intelektui pagrindą veikti. Įmonės kultūra nurodo, kuria kryptimi eiti. Kai abu šie aspektai tinkamai suderinti, sukuriamas tvirtas pagrindas ilgalaikei ir sėkmingai skaitmeninei transformacijai.

Inovacijų partneris

Grégoire Arranz pabrėžia, kad idealus santykis tarp kliento ir technologijų tiekėjo yra partnerystė, paremta bendru inovacijų kūrimu:

„Mes tai laikome bendru kūrybiniu darbu. Mūsų klientams priklauso jų duomenys ir intelektinė nuosavybė – jie žino, kaip efektyviai projektuoti ir teisingai kurti. „ARKANCE“ suteikia metodiką, padeda sukurti tinkamą duomenų struktūrą ir pasitelkia savo patirtį, kad technologijos būtų diegiamos saugiausiu, patikimiausiu būdu ir atskleistų visą savo potencialą.“

„ARKANCE“ padeda įmonėms visuose dirbtinio intelekto diegimo etapuose – nuo patikimo duomenų pagrindo sukūrimo iki plataus masto sprendimų diegimo, leidžiančio komandoms dirbti užtikrintai ir efektyviai.

Pokyčiams reikalinga komanda. Mes esame jūsų komandos dalis – jūsų partneris.

Susisiekite su mumis – kartu sukursime jūsų įmonės DI diegimo strategiją.