سامانه جامع مسکن | از زمین تا زندگی
سکنانت؛ سامانه جامع مسکن
سامانه جامع مسکن

هوش مصنوعی برای شرکت ساختمانی؛ از کجا شروع کنیم که هزینه اضافی نسازد؟

نویسنده: تحریریه سکنانت

هوش مصنوعی در صنعت ساختمان از مرحله نمایش ابزارهای آزمایشی به پرسش جدی مدیران درباره بازده سرمایه‌گذاری رسیده است. گزارش ۹ نوامبر ۲۰۲۶ مؤسسه سلطنتی نقشه‌برداران خبره بریتانیا، RICS، نشان می‌دهد ۳۷ درصد پاسخ‌دهندگان صنعت ساخت در پیمایش مورد اشاره قصد دارند طی یک سال آینده سرمایه‌گذاری خود در هوش مصنوعی را افزایش دهند. این نسبت مربوط به پاسخ‌دهندگان همان بررسی است، نه همه شرکت‌های جهان یا ایران. در همین گزارش، ۲۹ درصد فعالان ساخت پاسخ داده‌اند که هیچ استفاده‌ای از هوش مصنوعی ندارند. کنار هم قرار دادن این دو عدد نشان می‌دهد فرصت بازار وجود دارد، اما سطح آمادگی سازمان‌ها یکسان نیست.

پهپاد نقشه‌برداری در حال پایش کارگاه ساختمان؛ نمونه‌ای از داده‌برداری دیجیتال

در بسیاری از شرکت‌های ساختمانی ایران، ابزار دیجیتال پیش از حل مشکل اصلی وارد سازمان می‌شود: داده پروژه در چند فایل پراکنده است، صورت‌وضعیت و برنامه اجرا به‌روز نمی‌شود و تصمیم‌ها به حافظه افراد وابسته است. در چنین وضعی، افزودن یک سامانه هوش مصنوعی به‌تنهایی کیفیت پیش‌بینی تأخیر یا هزینه را تضمین نمی‌کند. خروجی مدل به اعتبار ورودی و روش کنترل انسانی وابسته است. بنابراین سؤال مناسب برای مدیرعامل شرکت ساختمانی «کدام نرم‌افزار هوشمند را بخریم؟» نیست؛ ابتدا باید پرسید کدام تصمیم پرهزینه را می‌خواهیم با اطلاعات بهتر بگیریم.

از مسئله روشن شروع کنیم، نه نام فناوری

فرض کنیم شرکت در سه پروژه هم‌زمان فعالیت می‌کند و مدیران هر هفته با تأخیر خرید مصالح، تغییر نقشه و کمبود نیرو روبه‌رو می‌شوند. انتخاب مسئله می‌تواند پیش‌بینی کمبود اقلام پرمصرف در دو هفته آینده باشد. برای این کار لازم است سوابق خرید، برنامه اجرای تأییدشده و موجودی انبار در قالبی سازگار جمع‌آوری شود. سپس می‌توان ابتدا یک گزارش تحلیلی ساده ساخت و بعد بررسی کرد آیا ابزار هوشمند نسبت به همین مبنای ساده خطا را کاهش می‌دهد. اگر سیستم پیچیده نسبت به جدول کنترل‌شده نتیجه بهتری نداشته باشد، خرید آن توجیه اقتصادی ندارد.

موارد استفاده باید از نظر خطر نیز تفکیک شوند. خلاصه کردن مکاتبات و دسته‌بندی درخواست‌های خرید با نظارت کاربر معمولاً ریسک متفاوتی از توصیه درباره تغییر سازه، حذف آزمایش یا بازکردن زودهنگام قالب دارد. برای حوزه‌های حساس، مهندس دارای صلاحیت باید تصمیم نهایی را براساس مدارک فنی و الزامات قانونی بگیرد. سامانه زبانی ممکن است گزارشی بسیار روان اما نادرست تولید کند؛ روان بودن متن به معنای درستی محاسبه یا اعتبار استاندارد نیست. مرز اختیار ابزار و مسئولیت انسانی باید در روش اجرایی شرکت نوشته شود.

سه کاربردی که امکان سنجش اقتصادی دارند

اولین کاربرد، دسته‌بندی مکاتبات و صورت‌جلسه‌هاست. اگر شرکت ده‌ها نامه درباره تأخیر تحویل، تغییر نقشه یا درخواست پیمانکار جزء دریافت می‌کند، سامانه می‌تواند پیش‌نویس دسته‌بندی و جدول پیگیری تهیه کند. معیار موفقیت، کاهش زمان یافتن سند و کاهش موارد گم‌شده است، نه تعداد پاسخ‌هایی که هوش مصنوعی تولید می‌کند. پیش از استفاده باید محرمانگی قراردادها و محل نگهداری داده بررسی شود و اطلاعات حساس بدون مجوز وارد خدمت عمومی نشود.

کاربرد دوم، تشخیص تغییرات بودجه و زمان‌بندی است. ابزار می‌تواند اختلاف میان برنامه مصوب و گزارش واقعی را برجسته کند و از مدیر پروژه بخواهد علت را بررسی کند. اما اگر داده واقعی ثبت نشده باشد، خروجی نیز برآوردی بی‌پایه خواهد بود. کاربرد سوم، کنترل اولیه مدارک خرید است؛ برای نمونه مقایسه فهرست اقلام پیشنهادی با مشخصات مصوب از نظر تعداد یا نسخه فایل. این کنترل باید به‌صورت کمکی انجام شود و جایگزین تأیید فنی محصول، کنترل اصالت گواهی‌ها یا مسئولیت قراردادی کارفرما نشود.

چرا بسیاری از پروژه‌های هوش مصنوعی شکست می‌خورند؟

یکی از علت‌ها شروع با انتظار بیش از حد است. اگر هدف پروژه «هوشمندسازی کل شرکت» تعریف شود، نه هزینه روشن است و نه نقطه پایان. بهتر است یک مسئله کوچک با زمان اجرای محدود و شاخص قابل اندازه‌گیری انتخاب شود. علت دوم، فقدان داده معتبر است. پرونده‌هایی که فرمت یا شماره نسخه مشخص ندارند، به سرعت نتایج متناقض تولید می‌کنند. علت سوم، مقاومت طبیعی کارکنان در برابر ابزار مبهم است؛ اگر سرپرست کارگاه نداند داده برای چه استفاده می‌شود یا خطا چگونه اصلاح می‌شود، مشارکت کاهش می‌یابد. آموزش و مشارکت کاربران واقعی پیش از خرید گسترده ضروری است.

علت چهارم، نادیده گرفتن هزینه‌های پنهان است. مجوز نرم‌افزار فقط یک بخش هزینه است؛ پاکسازی داده، اتصال به سیستم موجود، کنترل امنیت، بازبینی انسانی، آموزش و نگهداری نیز باید حساب شود. برای مثال اگر ابزار فرضی ماهانه ۱۰ میلیون تومان هزینه دارد ولی فقط دو ساعت کار غیرحساس را حذف می‌کند، ممکن است توجیه نداشته باشد. برعکس اگر بدون افت کیفیت و با تأیید انسانی از خطای سفارش پرهزینه جلوگیری کند، منفعت بالقوه بالاتر است. اینها مثال محاسباتی‌اند و قیمت واقعی بازار یا بازده تضمینی ابزار نیستند.

آزمایش چهار هفته‌ای برای شرکت ساختمانی

یک مسیر اجرایی کم‌ریسک چنین است: هفته اول مسئله، داده و معیار موفقیت تعریف شود؛ هفته دوم پرونده‌های قدیمی با اطلاعات محرمانه حذف یا ناشناس‌سازی شود؛ هفته سوم ابزار در کنار فرایند معمول و بدون واگذاری اختیار تصمیم آزموده شود؛ هفته چهارم زمان صرف‌شده، خطاها و رضایت کاربران مقایسه گردد. در پایان باید معلوم باشد آیا پروژه ادامه یابد، اصلاح شود یا کنار گذاشته شود. این روش از وابستگی زودهنگام به فروشنده و قفل شدن داده‌ها در سامانه نامناسب جلوگیری می‌کند.

گزارش RICS تصویری از رشد علاقه به هوش مصنوعی ارائه می‌دهد، اما عدد ۳۷ درصد به‌خودی‌خود دلیل خرید نیست. فرصت واقعی شرکت ایرانی در اتصال داده معتبر به تصمیم روزانه است: کنترل مدارک، مدیریت ریسک خرید و تشخیص زودهنگام اختلاف زمان و هزینه. ابزاری که مسئولیت فنی و انسانی را روشن نگه دارد و نتیجه‌اش با شاخص قابل اندازه‌گیری سنجیده شود، ارزشمندتر از نمایشی است که فقط نام هوش مصنوعی را به تابلوی شرکت اضافه می‌کند.

اشتراک‌گذاری

نظرات کاربران

ثبت دیدگاه در نسخه آزمایشی فعال نیست.