Membangun kerangka kerja AI yang kuat dimulai dengan pertanyaan yang lebih cerdas.

Liga335 – AI generatif seharusnya melengkapi, bukan menggantikan, pengambilan keputusan manusia – namun hal ini hanya dapat dilakukan dengan rencana yang tepat, tulis Gaku Ueda, CEO Mode Meskipun AI berpotensi memangkas waktu perencanaan hingga 30%, adopsi AI di industri konstruksi masih tertinggal. Namun, ada pandangan optimis terhadap AI, dengan 70% manajer proyek dan surveyor kuantitas menyatakan bahwa AI dapat membantu memberikan nilai tambah yang lebih besar. Masalah kualitas data, alur kerja yang kompleks, dan kekhawatiran pekerjaan merupakan hambatan utama dalam adopsi AI yang lebih luas.

Ada keraguan untuk mengadopsi alat baru karena anggapan bahwa AI hanya akan semakin memperumit proses konstruksi. Namun, ada solusi yang dapat diimplementasikan, yang berakar pada pemahaman tentang apa yang harus dicari saat membangun strategi adopsi AI. Hal ini berarti mengajukan pertanyaan yang tepat sejak awal dan selalu menjaga komunikasi yang erat dengan semua pihak.

Jangan digitalisasi terlebih dahulu dan tanyakan pertanyaan kemudian Setiap proses yang melibatkan AI memerlukan strategi manajemen data yang cermat. Itu bukan sekadar masalah. Pengumpulan data dapat menghasilkan tumpukan wawasan yang tidak dapat diproses dan tidak berguna.

Waspadalah terhadap jebakan otomatisasi, di mana kegagalan sistem sering terjadi dan menimbulkan biaya tinggi. Proyek konstruksi termasuk yang paling kompleks, dengan manajer proyek harus mengelola informasi dari berbagai sumber: pemasok, kontraktor, tim lapangan, pengembang, regulator, dan lainnya. Keandalan AI generatif sebagai alat digital bergantung pada data, namun celah dan masalah sering terlewatkan atau diabaikan.

Selain itu, masalah data yang tidak segera diakui dan ditangani akan terus memburuk. Data yang tidak akurat, tidak lengkap, dan tidak dapat dioperasikan memiliki konsekuensi yang signifikan. Beberapa di antaranya termasuk jadwal proyek yang terhambat, pemasok yang marah menunggu faktur yang akurat, risiko keselamatan yang terlewatkan bagi tim konstruksi di lokasi, dan pelanggaran kode bangunan yang diabaikan.

Pihak terkait, oleh karena itu, harus memastikan bahwa semua data yang relevan jelas, dapat dipercaya, dan lengkap. Pemasok dan kontraktor sering memiliki formulir yang berbeda Proses pembuatan laporan lapangan atau faktur yang sulit diproses secara akurat oleh platform AI terpusat. Akibatnya, laporan dan ringkasan yang dihasilkan oleh AI penuh dengan kesalahan, sehingga tidak dapat diandalkan untuk pengambilan keputusan proyek.

Hal ini dapat menyebabkan pengejaran jejak dokumen yang panjang, membebani tim yang sudah terbebani, dan menghambat laju proyek, belum lagi merusak hubungan dengan pemasok. Contoh lain adalah risiko keselamatan yang terlewatkan, baik itu penjadwalan yang tidak selaras sehingga tugas seperti instalasi plumbing dan listrik tumpang tindih, atau penjadwalan berlebihan tim kerja pada shift berturut-turut. Apakah persyaratan yang berlaku, seperti OSHA dan Undang-Undang Keselamatan Bangunan, dipenuhi dengan penggunaan AI generatif?

Apa potensi bahaya dari sudut pandang HSE? Data juga perlu dilindungi. Pertimbangkan asal dan tujuan data.

Apakah penggunaan data sepenuhnya sesuai dengan GDPR? Apa risiko keamanan potensial untuk basis data? Mengatasi hal-hal ini sebelum menerapkan AI membantu menghindari masalah di kemudian hari.

Thin Melampaui dan sekarang Mentalitas solusi cepat terhadap AI seringkali menjadi resep untuk pandangan yang sempit. Jangan hanya fokus pada masalah mendesak; pertimbangan jangka panjang juga harus diperhitungkan. Berpikir strategis tentang AI berarti mundur sejenak dan melihat gambaran besar secara menyeluruh.

Bagaimana alat-alat ini terintegrasi dengan tumpukan teknologi yang sudah ada? Bagaimana kinerja mereka akan dipantau untuk menghasilkan hasil konkret, seperti penyelesaian proyek yang lebih cepat dan penghematan biaya yang lebih besar? Yang terpenting, AI mengonsumsi dan menghasilkan jumlah data yang sangat besar.

Masalah dan wawasan dapat dengan mudah terlewatkan. Pagar pengaman yang tepat perlu diterapkan, seperti audit rutin untuk meninjau kinerja sesuai dengan KPI, dan memastikan staf familiar dengan memanfaatkan dan mengawasi teknologi tersebut. Pentingnya, meskipun BIM merupakan elemen dasar untuk memberikan wawasan kepada AI generatif dalam kasus penggunaan konstruksi, terdapat umpan balik antara keduanya.

AI generatif dapat menganalisis BIM untuk merekomendasikan perbaikan atau urutan optimal. Tentu saja, hal ini hanya dapat berfungsi jika BIM selalu diperbarui, dan tidak ada rekomendasi yang boleh dilaksanakan tanpa tinjauan manusia yang terinformasi. Faktanya, manusia harus terlibat secara aktif dalam penggunaan kecerdasan buatan generatif dari awal hingga akhir.

Staf harus menguasai kecerdasan buatan dan literasi data agar dapat menentukan tujuan penggunaannya serta cara mengukur kinerjanya terhadap tujuan seperti pengurangan biaya, penghematan waktu, dan akurasi. Mereka perlu dapat memantau dan mengontekstualisasikan output dengan cermat, baik itu mengidentifikasi masalah penjadwalan, kesalahan pemodelan, atau memastikan penggunaan etis dan kepatuhan penuh di bidang seperti HSE. Pertimbangan ini memungkinkan tim konstruksi dan manajer proyek memahami bagaimana AI terintegrasi ke dalam alur kerja yang ada untuk mencapai industri yang lebih cerdas dan aman.

Pada akhirnya, AI generatif berfungsi untuk memperkuat pengambilan keputusan manusia, bukan menggantikannya, tetapi hal ini hanya dapat dilakukan dengan blueprint yang tepat—dan itu berarti mengajukan pertanyaan yang tepat.