Membangun kerangka kerja AI yang kokoh dimulai dengan pertanyaan yang lebih cerdas
Liga335 daftar – AI generatif seharusnya melengkapi, bukan menggantikan, pengambilan keputusan manusia – namun hal itu hanya bisa terwujud dengan kerangka kerja yang tepat, tulis Gaku Ueda, CEO Mode. Meskipun AI berpotensi memangkas waktu perencanaan hingga 30%, adopsi teknologi ini di industri konstruksi masih tertinggal. Namun, ada pandangan optimis terhadap AI, dengan 70% manajer proyek dan surveyor kuantitas menyatakan bahwa teknologi ini dapat membantu memberikan nilai tambah yang lebih besar.
Masalah kualitas data, alur kerja yang rumit, dan kekhawatiran akan pekerjaan adalah beberapa hambatan utama dalam adopsi AI yang lebih luas. Ada keengganan untuk mengintegrasikan alat baru karena kesalahpahaman bahwa AI hanya akan semakin memperumit proses konstruksi. Namun, ada jalan ke depan, yang berakar pada pemahaman tentang apa yang harus dicari saat membangun strategi adopsi AI.
Itu berarti mengajukan pertanyaan yang tepat sejak awal dan selalu menjaga agar orang-orang tetap mendapat informasi secara mendetail. Jangan digitalisasi dulu, baru tanya nanti Setiap proses yang melibatkan AI memerlukan strategi pengelolaan data yang cermat. Itu bukan sekadar soal Pengumpulan data, yang dapat mengakibatkan tumpukan wawasan yang tak dapat diproses dan tak dapat diterapkan.
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 membesar. Data yang tidak akurat, tidak lengkap, dan tidak dapat dioperasikan memiliki konsekuensi yang signifikan. Beberapa di antaranya meliputi jadwal proyek yang terhambat, pemasok yang marah karena menunggu faktur yang akurat, risiko keselamatan yang terlewatkan bagi tim konstruksi di lokasi, dan pelanggaran kode bangunan yang diabaikan.
Oleh karena itu, pemangku kepentingan yang relevan harus memverifikasi bahwa semua data yang berlaku jelas, dapat dipercaya, dan lengkap. Pemasok dan kontraktor sering kali memiliki formulir yang berbeda Hal ini menyebabkan laporan lapangan atau faktur yang sulit diproses secara akurat oleh platform AI terpusat. Akibatnya, laporan dan ringkasan yang dihasilkan AI penuh dengan kesalahan, sehingga tidak dapat diandalkan untuk pengambilan keputusan proyek.
Hal ini dapat menyebabkan proses pelacakan dokumen yang berlarut-larut, membebani tim yang sudah kewalahan, dan menghambat jalannya proyek, belum lagi merusak hubungan dengan pemasok. Contoh lain adalah risiko keselamatan yang terlewatkan, baik itu penjadwalan yang tidak selaras sehingga tugas seperti instalasi pipa dan listrik tumpang tindih, atau penugasan kru secara berlebihan pada shift berturut-turut. Apakah persyaratan yang berlaku, seperti OSHA dan Undang-Undang Keselamatan Bangunan, terpenuhi dengan adanya AI generatif dalam proses tersebut?
Apa potensi bahaya dari sudut pandang HSE? Data juga perlu dilindungi. Pertimbangkan asal dan tujuan data.
Apakah penggunaan data sepenuhnya sesuai dengan GDPR? Apa saja risiko keamanan yang mungkin terjadi pada basis data? Mengatasi hal-hal ini sebelum menerapkan AI akan membantu menghindari masalah di kemudian hari.
Tipis k melampaui dan kini Mentalitas mencari solusi instan dalam hal AI sering kali 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 ke dalam tumpukan teknologi yang ada? Bagaimana kinerjanya 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 terhadap KPI, dan memastikan staf terbiasa memanfaatkan serta mengawasi teknologi tersebut. Yang penting, meskipun BIM merupakan elemen dasar untuk memberikan wawasan kepada AI generatif dalam kasus penggunaan konstruksi, terdapat siklus umpan balik di antara keduanya.
AI generatif dapat menganalisis BIM untuk merekomendasikan perbaikan atau urutan optimal Tentu saja, hal ini hanya dapat berjalan jika data BIM selalu diperbarui, dan tidak ada rekomendasi yang boleh diterapkan tanpa tinjauan manusia yang cermat. Faktanya, manusia harus terlibat secara aktif dalam penggunaan AI generatif dari awal hingga akhir. Staf harus memiliki pemahaman yang mendalam tentang AI dan literasi data agar dapat menentukan tujuan penggunaannya serta cara mengukur kinerjanya berdasarkan sasaran seperti pengurangan biaya, penghematan waktu, dan akurasi.
Mereka perlu mampu memantau dan mengkontekstualisasikan hasil secara cermat, baik itu mengidentifikasi masalah penjadwalan, kesalahan pemodelan, atau memastikan penggunaan yang etis dan kepatuhan penuh di bidang-bidang seperti HSE. Pertimbangan-pertimbangan ini memungkinkan tim konstruksi dan manajer proyek untuk memahami bagaimana AI dapat diintegrasikan ke dalam alur kerja yang ada guna mewujudkan 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 cetak biru yang tepat—dan itu berarti mengajukan pertanyaan yang tepat.
