- ۲۸ درصد از متخصصان پروژه‌های ساخت‌وساز بریتانیا هوش مصنوعی را کاملاً در گردش کار خود ادغام کرده‌اند.
- تحول واقعی هوش مصنوعی در صنعت ساخت، در پردازش اسناد و مدارک رخ می‌دهد، نه در ربات‌های آجرچین.
- بهره‌وری واقعی زمانی حاصل می‌شود که شرکت‌ها گردش کار را حول فناوری بازطراحی کنند.
- داده‌های تاریخی و ساختاریافته، عامل کلیدی تمایز شرکت‌ها در استفاده از هوش مصنوعی خواهد بود.
- پایداری و ردپای زیست‌محیطی هوش مصنوعی، از مهم‌ترین چالش‌های پیش روی صنعت است.
در سه سال گذشته، گفت‌وگو درباره هوش مصنوعی در صنعت ساخت‌وساز تحت سلطه تصاویر ربات‌های آجرچین، پهپادهای بر فراز کارگاه‌ها و طرح‌های مولد شبیه به صخره‌های مرجانی بوده است. این تصاویر، اسلایدهای کنفرانس‌های خوبی می‌سازند، اما در بیشتر موارد، تغییر واقعی در آن‌جا رخ نمی‌دهد. حقیقت کمتر جذاب این است که تحول اصلی در اسناد و مدارک در جریان است و این موضوع از آنچه تبلیغات نشان می‌دهد، اهمیت بیشتری دارد.
به این فکر کنید که صنعت ساخت‌وساز واقعاً بر چه چیزی استوار است. یک پروژه بزرگ می‌تواند ده‌ها هزار سند تولید کند، از جمله قراردادها، برنامه‌های هزینه، زمان‌بندی‌ها، درخواست‌های تغییر، صورتجلسه‌ها، مشخصات فنی و گزارش‌ها. بخش زیادی از تلاش حرفه‌ای در این صنعت صرف خواندن، تطبیق دادن و بازنویسی این مطالب می‌شود. این دقیقاً همان کاری است که مدل‌های زبانی بزرگ به‌خوبی انجام می‌دهند و در همین نقطه است که پذیرش این فناوری بی‌سروصدا در حال شتاب‌گیری است.
شواهد این موضوع را با یک پیچ‌وتاب جالب نشان می‌دهند. تحقیقات انجمن مدیریت پروژه (APM) و Censuswide که در پایان مارس ۲۰۲۶ منتشر شد، نشان داد که ۲۸ درصد از متخصصان پروژه‌های ساخت‌وساز بریتانیا اکنون هوش مصنوعی را کاملاً در گردش کار خود ادغام‌شده توصیف می‌کنند که بالاترین میزان در میان بخش‌های گزارش‌شده است. با این حال، تنها چند ماه پیش‌تر، نظرسنجی APM از رهبران کسب‌وکار، صنعت ساخت‌وساز را در میان ده بخش، از نظر دستاوردهای بهره‌وری در رتبه آخر قرار داده بود؛ باز هم با ۲۸ درصد. چگونه هر دوی این‌ها می‌توانند درست باشند؟
پاسخ این پرسش نشان می‌دهد که صنعت به کدام سمت در حال حرکت است. در حالی که صنعت ساخت‌وساز ابزارها را به‌سرعت پذیرفت، اما آن‌ها را عمدتاً به روش‌های کاری موجود متصل کرد. دستیاری که یک قرارداد را در سی ثانیه خلاصه می‌کند، برای فرد زمان صرفه‌جویی می‌کند، اما فرآیند، مدل هزینه یا نتیجه را برای کارفرما تغییر نمی‌دهد. سود بهره‌وری تنها زمانی حاصل می‌شود که شرکت‌ها گردش کار را حول فناوری بازطراحی کنند، نه برعکس.
به نظر من، سه روند، مرحله بعدی را تعریف خواهند کرد.
گذار از گفت‌وگو به عامل‌های هوشمند
اولین روند، حرکت از گفت‌وگو به عامل‌های هوشمند (agents) است. موج اولیه هوش مصنوعی مکالمه‌ای بود؛ یک نفر می‌پرسد و ماشین پاسخ می‌دهد. موج بعدی شامل سیستم‌هایی است که وظایف چندمرحله‌ای را انجام می‌دهند، از جمله تهیه پیش‌نویس گزارش هزینه ماهانه از داده‌های زنده، بررسی برنامه زمان‌بندی پیمانکار برای یافتن خطاهای منطقی و آماده‌سازی مقایسه مناقصه‌ها، در حالی که متخصص نقش بازبینی را بر عهده دارد، نه تولید. این موضوع شکل روز کاری مشاور و به مرور زمان، شکل شرکت مشاوره را تغییر می‌دهد.
داده‌ها، نه مدل‌ها، عامل محدودکننده می‌شوند
روند دوم این است که به‌جای مدل‌ها، داده‌ها به عامل محدودکننده تبدیل می‌شوند. مدل‌ها اکنون تا حد زیادی توانمند و به‌طور فزاینده‌ای قابل تعویض هستند. آنچه شرکت‌ها را در کسب ارزش از این مدل‌ها متمایز می‌کند، کیفیت، ساختار و دسترس‌پذیری اطلاعات خودشان است؛ مانند داده‌های تاریخی هزینه، درس‌آموخته‌ها و سوابق پروژه. رویکرد داده‌محور شبکه ریل (Network Rail) که در یک مطالعه موردی APM مستند شده، این موضوع را به‌خوبی نشان می‌دهد. سازمان‌هایی که دهه‌ها از داده‌های خود غفلت کرده‌اند، اکنون در حال کشف این هستند که داده‌ها باارزش‌ترین دارایی آن‌هاست و وضعیت نامناسبی دارد.
پایداری؛ مهم‌ترین روند
سومین و شاید مهم‌ترین روند، پایداری است. هوش مصنوعی پتانسیل واقعی دارد، از جمله تخمین کربن تجسم‌یافته در مرحله طراحی مفهومی، یافتن زمانی که تصمیم‌گیری‌ها کمترین هزینه را برای تغییر دارند، بهینه‌سازی عملکرد ساختمان در حال استفاده و سامان‌دهی بار گزارش‌دهی که ESG (معیارهای زیست‌محیطی، اجتماعی و حاکمیتی) اکنون بر هر پروژه تحمیل می‌کند. با این حال، هوش مصنوعی ردپای زیست‌محیطی خود را در مصرف انرژی و آب دارد. صنعتی که از کارفرمایان می‌خواهد کربن کل چرخه عمر را محاسبه کنند، باید همین انضباط را در مورد ابزارهای خودش نیز اعمال کند و از هوش مصنوعی در جایی که ارزش واقعی ایجاد می‌کند استفاده کند، نه اینکه به‌طور پیش‌فرض در همه جا به کار گرفته شود.
یک دستاورد بزرگ‌تر نیز وجود دارد. امید این است که با حرکت این سیستم‌ها به سمت پیاده‌سازی هوش مصنوعی عمومی (AGI)، بتوانند به حل برخی از مهم‌ترین مشکلات پایداری پیش روی جامعه کمک کنند. این مشکلات شامل سیمان و فولاد کم‌کربن، ذخیره‌سازی انرژی در مقیاس شبکه و مدل‌سازی ریسک اقلیمی در کل شهرها می‌شود. اگر این اتفاق بیفتد، انرژی‌ای که هوش مصنوعی امروز مصرف می‌کند ممکن است سرمایه‌گذاری هوشمندانه‌ای از آب درآید. با این حال، عاقلانه نیست که روی آن حساب کنیم.
در حالی که هیچ‌یک از این موارد نیاز به قضاوت حرفه‌ای را از بین نمی‌برد، اما ارزش آن را افزایش می‌دهد. وقتی ماشینی بتواند در چند دقیقه یک برنامه هزینه قابل قبول تولید کند، ارزش در این است که بدانیم آیا درست است، چه چیزی را از قلم انداخته و کارفرما باید در مورد آن چه کند. آخرین تحقیق APM نشان داد که متخصصان، تصمیم‌گیری اخلاقی و قضاوت حرفه‌ای را در کنار سواد داده‌ای، در صدر مهارت‌های حیاتی آینده قرار می‌دهند. من هم موافقم. خطر این نیست که هوش مصنوعی جایگزین برآوردکار، مهندس یا مدیر پروژه شود. خطر این است که ما نسلی را تربیت می‌کنیم که خروجی‌هایی را بپذیرد که دیگر توانایی زیر سؤال بردن آن‌ها را ندارد.
پس تکلیف ما چیست؟ ربات‌ها ممکن است به مرور زمان بیایند، اما تحولی که اکنون در جریان است، آرام‌تر و نزدیک‌تر به میز کار است. شرکت‌هایی موفق خواهند بود که هوش مصنوعی را دلیلی برای بازاندیشی در نحوه کار خود بدانند، روی داده‌ها و نیروی انسانی خود سرمایه‌گذاری کنند و این فناوری را در همان سطح پاسخگویی نگه دارند که از هر عضو دیگر تیم پروژه انتظار دارند.
این موضوع از یک ربات آجرچین هیجان‌انگیزتر نیست، اما بسیار محتمل‌تر است که صنعت را تغییر دهد.
ترجمه و تنظیم: صما
