AI: ήξερε πώς αντί για ποτέ

AI: ήξερε πώς αντί για ποτέ

«Η μελέτη δεν μας παρέχει αφηρημένες φαντασιώσεις, αλλά μάλλον συγκεκριμένες προσεγγίσεις για την καθημερινή ζωή στο εργοτάξιο». Η εν λόγω μελέτη, συμπεριλαμβανομένου ενός οδηγού με πρακτικές συμβουλές για τις οποίες μιλάει εδώ ο Anton Rieder, υποσχέθηκε συναρπαστικό αναγνωστικό υλικό. Ο τίτλος του: «Εφαρμογή της τεχνητής νοημοσύνης στον κατασκευαστικό κλάδο». Ο Τιρόλος εργολάβος κτιρίων και αναπληρωτής ομοσπονδιακός συντεχνίας συνέχισε: "Για πολλές εταιρείες, το να ξεκινήσουν με την τεχνητή νοημοσύνη είναι ένα μεγάλο εμπόδιο - ο οδηγός βοηθά να ξεπεραστεί αυτό. Αυτό που είναι σημαντικό είναι ότι η ίδια η βιομηχανία πρέπει να συμβάλει στη διαμόρφωση της εφαρμογής της - με πρακτικό, ρεαλιστικό και προσανατολισμένο στη λύση τρόπο."

Ξεκάθαρη ανάγκη να καλύψουμε τη διαφορά

Η μελέτη πραγματοποιήθηκε από το Future Agency for Construction (ZAB) και το University for Continuing Education Krems. Δείχνει ότι η εγχώρια κατασκευαστική βιομηχανία εξακολουθεί να έχει σημαντικές δυνατότητες να καλύψει τη διαφορά σε σύγκριση με τα διεθνή πρότυπα όσον αφορά τη χρήση τεχνητής νοημοσύνης (AI). Ενώ τα πιλοτικά έργα μεγάλης κλίμακας είναι ήδη πραγματικότητα στις ΗΠΑ, την Ιαπωνία και τις σκανδιναβικές χώρες, οι εγχώριες εταιρείες βρίσκονται συχνά ακόμη στα αρχικά τους στάδια. Όμως, σύμφωνα με τους συγγραφείς της μελέτης, εδώ ακριβώς βρίσκεται μια ευκαιρία: Όποιος ξεκινά τώρα με στοχευμένα έργα και πρωτοβουλίες περαιτέρω κατάρτισης μπορεί να βοηθήσει στη διαμόρφωση προτύπων και στην ανάπτυξη των δικών του λύσεων.

«Πολλές εταιρείες μας ρωτούν: Από πού μπορούμε να ξεκινήσουμε;» αναφέρει ο Georg Hanstein, επικεφαλής ψηφιοποίησης και καινοτομίας στο ZAB. Η προσδοκία είναι μεγάλη - κυρίως επειδή η τεχνητή νοημοσύνη είναι πλέον ένα πανταχού παρόν θέμα. "Η πρόκληση είναι να εντοπίσουμε λογικούς τομείς εφαρμογής χωρίς να δίνουμε βιαστικές υποσχέσεις σωτηρίας. Πρέπει να δούμε προσεκτικά πού υπάρχει πραγματικά όφελος", λέει ο Hanstein.

Οι πιθανοί τομείς εφαρμογής της τεχνητής νοημοσύνης στις κατασκευές είναι ποικίλοι: Χρησιμοποιείται ήδη για παρακολούθηση και τεκμηρίωση σε εργοτάξια. Βοηθά στη βελτιστοποίηση των διαδικασιών, κάνει προτάσεις για σχέδια ή βοηθά στην ανάπτυξη χρονοδιαγραμμάτων κατασκευής.

Ο Hanstein επισημαίνει το παράδειγμα του Ομίλου Vorarlberg Rhomberg, ο οποίος αξιολογεί δεδομένα από αισθητήρες, κάμερες και drones χρησιμοποιώντας τεχνητή νοημοσύνη για να καταγράψει την πρόοδο της κατασκευής και να ελαχιστοποιήσει τους κινδύνους ασφάλειας. Hanstein: "Μπορεί να ξεπεράσει τεράστιες ποσότητες δεδομένων που ένας άνθρωπος δεν θα μπορούσε να χειριστεί σε τόσο σύντομο χρονικό διάστημα. Αυτό απαλλάσσει το βάρος στη διαχείριση της κατασκευής και αποτρέπει τις καθυστερήσεις." Το ίδιο ισχύει και για τη φάση του σχεδιασμού. Το AI μπορεί να δημιουργήσει μεγάλο αριθμό παραλλαγών σχεδιασμού σε σύντομο χρονικό διάστημα και να επιλέξει τις καλύτερες προτάσεις από αυτές. «Το AI ανοίγει εντελώς νέες δυνατότητες για τη βέλτιστη χρήση της γης», λέει ο Hanstein.

Ένα άλλο πιθανό πεδίο δραστηριότητας για την τεχνητή νοημοσύνη είναι ο προγραμματισμός κατασκευών. Σήμερα, οι διαχειριστές κατασκευών συνήθως δημιουργούν χρονοδιαγράμματα χειροκίνητα – με βάση την εμπειρία τους. Ένα AI, από την άλλη πλευρά, μπορεί να υπολογίσει εκατομμύρια παραλλαγές και να προτείνει τις πιο αποτελεσματικές διαδικασίες. «Αυτό σημαίνει ότι οι χρόνοι αδράνειας θα μπορούσαν να ελαχιστοποιηθούν και οι πόροι θα μπορούσαν να χρησιμοποιηθούν πιο συγκεκριμένα», εξηγεί ο Hanstein.

Ωστόσο, η μελέτη επισημαίνει επίσης τα βασικά εμπόδια στην εφαρμογή της τεχνητής νοημοσύνης στις εταιρείες: έλλειψη διεπαφών, ανεπαρκής ψηφιακή υποδομή και έλλειψη ειδικευμένων ειδικών. «Εφόσον δεν υπάρχουν δομημένα, ψηφιακά δεδομένα, η τεχνητή νοημοσύνη δεν έχει τίποτα να συνεργαστεί», προειδοποιεί ο Hanstein. Κατά την εκτίμησή του, περίπου το 90 τοις εκατό των εταιρειών εξακολουθούν να εργάζονται σε μεγάλο βαθμό με αναλογικά ή μη αναγνώσιμα από μηχανή δεδομένα. Μόνο όταν τα δελτία παράδοσης, τα τιμολόγια ή τα φύλλα χρόνου καταγράφονται ψηφιακά και με τυποποιημένο τρόπο, η τεχνητή νοημοσύνη μπορεί να αναπτύξει πλήρως τις δυνατότητές της.

Ούτε νομικά και οργανωτικά ζητήματα δεν πρέπει να υποτιμώνται. Ο Rupert Redl και η Christina Ipser από το Πανεπιστήμιο του Krems τονίζουν στη μελέτη ότι οι εταιρείες χρειάζονται σαφείς όρους-πλαίσιο - για παράδειγμα όσον αφορά την προστασία δεδομένων, την ευθύνη ή την οικονομική αποδοτικότητα. «Για να δημιουργηθεί εμπιστοσύνη, χρειάζονται διαφανή πιλοτικά έργα, ανοιχτά πρότυπα και ισχυρότερη νομική προστασία κατά τη χρήση τεχνολογιών τεχνητής νοημοσύνης», λένε.

Παράλληλα με τη μελέτη, οι συγγραφείς σχεδίασαν επίσης έναν «Οδηγό για την εφαρμογή της τεχνητής νοημοσύνης στον κατασκευαστικό κλάδο». Απαντά σε πρακτικές ερωτήσεις σχετικά με τη χρήση της τεχνητής νοημοσύνης σε εργοτάξια: Ποιες εφαρμογές είναι ήδη εφικτές σήμερα; Πώς μπορούν να υλοποιηθούν αρχικά πιλοτικά έργα; Ποιες προσφορές περαιτέρω εκπαίδευσης έχουν νόημα; "Δεν είναι η μεγαλύτερη λύση που μετράει, αλλά η σωστή τη σωστή στιγμή. Η κατασκευαστική βιομηχανία δεν χρειάζεται οράματα από τη Silicon Valley, αλλά εργαλεία για καθημερινή εργασία", λέει ο συν-συγγραφέας της μελέτης Redl.

Ο ειδικός του ZAB, Hanstein, υπογραμμίζει μια άλλη πτυχή: την πολιτισμική αλλαγή στην αντιμετώπιση της τεχνητής νοημοσύνης. Πολλές εταιρείες εξακολουθούν να ανησυχούν για την ανάθεση ευαίσθητων εργασιών σε ένα μηχάνημα. "Στους διαγωνισμούς, για παράδειγμα, η τεχνητή νοημοσύνη θα μπορούσε ήδη να αναλάβει ένα μεγάλο μέρος της δουλειάς. Αλλά υπάρχει ακόμα πολλή δυσπιστία στις εταιρείες. Η οικοδόμηση εμπιστοσύνης θα πάρει χρόνο - επίσης επειδή τα εργαλεία τεχνητής νοημοσύνης συχνά αποδίδουν εσφαλμένα αποτελέσματα. Πρέπει να γνωρίζετε ακριβώς πώς να χρησιμοποιείτε την τεχνητή νοημοσύνη."

Αυτή είναι προφανώς η άποψη και στις Βρυξέλλες. Ο λεγόμενος νόμος για την τεχνητή νοημοσύνη ισχύει στην ΕΕ από τον Φεβρουάριο του 2025. «Κάθε άτομο που χρησιμοποιεί τεχνητή νοημοσύνη στην εταιρεία πρέπει να ολοκληρώσει την εκπαίδευση – ακόμα κι αν είναι απλώς ένα email με το ChatGPT», εξηγεί ο Hanstein. Αυτός ο κανονισμός δεν έχει πραγματικά αναθεωρηθεί ακόμα, αλλά ισχύει ήδη: Σύμφωνα με αυτό, κάθε εργαζόμενος χρειάζεται πιστοποιητικό εκπαίδευσης - ανεξάρτητα από το μέγεθος της εταιρείας. Το ZAB θα προσφέρει δωρεάν εκπαιδευτικές εκδηλώσεις από τον Ιανουάριο του 2026.

Η μελέτη υποστηρίζει επίσης μια «προσβολή κατασκευαστικών δεξιοτήτων». Ο στόχος είναι να προσφέρει πρακτικές ευκαιρίες περαιτέρω κατάρτισης για όλα τα επίπεδα – από τη διαχείριση μέχρι το εργοτάξιο. Χωρίς στοχευμένη ανάπτυξη δεξιοτήτων, ο κλάδος κινδυνεύει να χάσει την επαφή με τις διεθνείς εξελίξεις.

Παρά όλα τα εμπόδια, οι ειδικοί πιστεύουν ότι οι ευκαιρίες υπερτερούν των προκλήσεων. "Η τεχνητή νοημοσύνη μπορεί να μας βοηθήσει να κάνουμε τις διαδικασίες πιο αποτελεσματικές, να μειώσουμε τα σφάλματα και να ανακουφίσουμε τη διαχείριση των κατασκευών. Αλλά το κλειδί βρίσκεται στα δεδομένα", τονίζει ο Hanstein, άνθρωπος του ZAB. Ο εκπρόσωπος του Building Guild Rieder τονίζει αυτό: «Τώρα είναι η κατάλληλη στιγμή για να αποκτήσετε εμπειρία, να δημιουργήσετε δίκτυα και να βοηθήσετε ενεργά στη διαμόρφωση λύσεων που θα καλύπτουν το μέλλον».

Οδηγός για την εφαρμογή της τεχνητής νοημοσύνης στον κατασκευαστικό κλάδο

Ο «Οδηγός για την εφαρμογή της τεχνητής νοημοσύνης στον κατασκευαστικό κλάδο» απευθύνεται σε μικρές και μεσαίες επιχειρήσεις και απαντά στις ακόλουθες ερωτήσεις:

• Was funktioniert heute schon in der Praxis?
• Wie können erste Pilotprojekte umgesetzt werden?
• Welche Weiterbildungsangebote sind sinnvoll?
• Welche rechtlichen Grundlagen sind zu beachten?

Κατεβάστε τη μελέτη και τον οδηγό