Sztuczna inteligencja w budownictwie. Plac budowy zarządzany przez algorytm

AI w budownictwie przewiduje opóźnienia, porównuje zdjęcia placu budowy z modelem BIM, kontroluje koszty i ostrzega przed niebezpiecznymi zdarzeniami. Cyfrowe bliźniaki oraz częściowo autonomiczne maszyny mają przekształcić budowę w proces zarządzany na podstawie danych niemal w czasie rzeczywistym. Im większy wpływ modeli na przebieg inwestycji, tym ważniejsze staje się jednak pytanie, kto odpowiada za błąd: kierownik budowy, wykonawca, inwestor czy dostawca systemu.

.Plac budowy jest przeciwieństwem fabryki. Warunki zmieniają się każdego dnia, kolejne zespoły wykonują wzajemnie zależne zadania, dostawy przyjeżdżają z różnych miejsc, a deszcz, wiatr, awaria maszyny lub jeden błędny pomiar mogą przesunąć cały harmonogram. Budynek powstaje tylko raz, w konkretnym miejscu i przy udziale wielu przedsiębiorstw, których interesy nie zawsze są identyczne.

Sztuczna inteligencja ma wprowadzić do tego świata więcej przewidywalności. Modele analizują harmonogramy, dzienne raporty, obrazy z kamer, dane z maszyn, informacje o dostawach i postępie prac. Porównują plan z tym, co rzeczywiście wydarzyło się na budowie. Mają odpowiednio wcześnie pokazywać, że opóźnienie jednego zadania zagrozi terminowi zakończenia inwestycji albo że koszt konkretnego etapu zaczyna przekraczać założenia.

Obietnica jest znacząca. Budownictwo od lat zmaga się z opóźnieniami, wzrostem kosztów, poprawkami i sporami o to, kto ponosi odpowiedzialność za problem. AI może dostarczać szybszych i dokładniejszych informacji. Nie usunie jednak sprzecznych interesów, błędów dokumentacji ani konsekwencji decyzji podejmowanych pod presją czasu.

Algorytm może pokazać, że budowa zmierza w złym kierunku. Sam nie zdecyduje, czy należy zmienić technologię, zwiększyć liczbę pracowników, przesunąć termin czy zaakceptować wyższy koszt.

Opóźnienie zaczyna się wcześniej, niż pokazuje harmonogram

.Klasyczny harmonogram opisuje kolejność robót i terminy ich wykonania. Dopiero rzeczywistość pokazuje, czy przyjęte założenia były możliwe do spełnienia. Prace ziemne trwają dłużej, ponieważ grunt różni się od przewidywanego. Dostawa materiałów zostaje przesunięta. Jeden z podwykonawców nie ma wystarczającej liczby pracowników. Zmiana dokumentacji zatrzymuje kilka kolejnych etapów.

Problem polega na tym, że zagrożenie dla terminu może powstać wiele tygodni przed chwilą, w której stanie się widoczne w oficjalnym harmonogramie. Kierownik projektu widzi opóźnienie pojedynczej czynności, lecz nie zawsze potrafi natychmiast ocenić wszystkie jego konsekwencje.

Modele uczenia maszynowego mogą analizować historię wcześniejszych inwestycji i bieżące dane z budowy. Biorą pod uwagę tempo wykonania robót, dostępność pracowników, zużycie materiałów, pogodę, awarie sprzętu, dostawy oraz zależności między zadaniami. Na tej podstawie wskazują, które elementy harmonogramu są najbardziej zagrożone.

AI nie przewiduje przyszłości z pewnością. Wylicza prawdopodobieństwo na podstawie wzorców zawartych w danych. Model może zauważyć, że określone połączenie opóźnionych dostaw, malejącej produktywności i rosnącej liczby zmian projektowych często poprzedza przekroczenie terminu.

Taka informacja daje możliwość wcześniejszej reakcji. Można zmienić kolejność prac, przenieść zasoby albo rozpocząć negocjacje z dostawcą. Ostrzeżenie ma wartość tylko wtedy, gdy pojawia się jeszcze przed utratą możliwości działania.

Największym ograniczeniem pozostaje jakość danych. Raporty z budów bywają niepełne, sporządzane według różnych standardów i aktualizowane z opóźnieniem. Przedsiębiorstwa mogą także unikać dokumentowania problemów, obawiając się wykorzystania informacji w późniejszym sporze.

Model oparty na zbyt optymistycznych raportach będzie konsekwentnie tworzył zbyt optymistyczne prognozy. Automatyzacja analizy nie naprawi danych, które zostały zniekształcone już na placu budowy.

Każde zdjęcie staje się raportem z postępu robót

.Tradycyjna dokumentacja fotograficzna pokazuje, jak wyglądała budowa w określonym dniu. Dopiero zestawienie zdjęć z harmonogramem i projektem pozwala ocenić rzeczywisty postęp. Zadanie wymaga czasu, a przy dużej inwestycji liczba pomieszczeń, instalacji i elementów konstrukcyjnych szybko przekracza możliwości ręcznej kontroli.

Widzenie komputerowe zmienia fotografię w źródło danych. Kamery 360 stopni, drony, skanery laserowe i roboty mobilne mogą regularnie rejestrować ten sam obszar. Algorytm porównuje obrazy z cyfrowym modelem inwestycji i rozpoznaje, które elementy zostały wykonane, czego brakuje oraz gdzie rzeczywisty stan różni się od planu.

System może wskazać, że na konkretnym piętrze nie zamontowano części instalacji, choć harmonogram zakładał zakończenie prac. Może zauważyć ścianę wykonaną w niewłaściwym miejscu, brak zabezpieczenia otworu albo materiał pozostawiony w strefie komunikacyjnej.

Robot Spot firmy Boston Dynamics jest oferowany między innymi jako platforma do powtarzalnego fotografowania i skanowania placów budowy. Maszyna może przechodzić tą samą trasą i zbierać dane bez angażowania pracownika w rutynową inspekcję. Rzeczywista wartość nie wynika jednak z obecności robota, lecz z możliwości porównania kolejnych pomiarów.

Automatyczna dokumentacja zmniejsza zależność od pamięci i wybiórczych obserwacji. Tworzy również bardzo dokładny zapis działań wykonawców. Taki materiał może pomóc rozwiązać spór, ale może też stać się jego głównym dowodem.

Pojawia się pytanie, kto kontroluje dokumentację. Inwestor, generalny wykonawca i podwykonawca mogą inaczej interpretować ten sam stan robót. System nie usuwa konfliktu. Dostarcza mu bardziej szczegółowego materiału.

Cyfrowy bliźniak nie jest tylko modelem 3D

.BIM porządkuje informacje o projekcie, elementach budynku, instalacjach, materiałach i kolejności robót. Cyfrowy bliźniak idzie o krok dalej. Ma pozostawać połączony z fizyczną inwestycją i być regularnie aktualizowany danymi z kamer, czujników, maszyn oraz systemów zarządzania.

Model BIM mówi, jak obiekt powinien wyglądać. Cyfrowy bliźniak ma pokazywać, jak wygląda obecnie, co się z nim dzieje i jaki może być kolejny etap jego rozwoju.

Na placu budowy pozwala symulować kolejność działań, ruch maszyn, dostawy materiałów i wykorzystanie przestrzeni. Kierownik może sprawdzić, czy żuraw dosięgnie do wybranej części obiektu, czy samochody dostawcze nie zablokują drogi ewakuacyjnej albo czy równoczesna praca kilku zespołów nie doprowadzi do kolizji.

Cyfrowy bliźniak może również łączyć harmonogram z kosztami. Przesunięcie jednego etapu wpływa wtedy na wynajem maszyn, pracę podwykonawców, terminy dostaw i przepływy finansowe. Model pokazuje nie tylko opóźnienie, lecz także jego możliwe konsekwencje.

Nie każdy model 3D jest jednak cyfrowym bliźniakiem. Wartość powstaje dopiero wtedy, gdy cyfrowy obraz jest systematycznie aktualizowany i zachowuje wiarygodne połączenie z rzeczywistym obiektem.

Bliźniak zasilany nieaktualnymi informacjami może być bardziej niebezpieczny niż brak modelu. Sprawia wrażenie pełnej wiedzy, choć pokazuje sytuację, która już nie istnieje. Decyzja podjęta na podstawie takiego obrazu może skierować dostawę w zajęte miejsce albo dopuścić pracowników do strefy, w której zmieniły się warunki.

Cyfrowa dokładność nie gwarantuje zgodności z rzeczywistością.

Algorytm pilnuje budżetu, ale nie rozstrzyga sporu

.Koszt inwestycji zmienia się wraz z projektem. Wpływają na niego ceny materiałów, dostępność pracowników, kursy walut, poprawki, warunki pogodowe, opóźnienia i decyzje administracyjne. Jedna zmiana może uruchomić serię konsekwencji widocznych dopiero po kilku tygodniach.

AI może analizować faktury, umowy, zamówienia, harmonogramy i postęp robót. Wskazuje pozycje, których koszty rosną szybciej, niż zakładał budżet, oraz porównuje je z podobnymi projektami. Może również wykrywać niespójności między zamówioną ilością materiału a zakresem wykonanych prac.

Modele pomagają tworzyć scenariusze. Pokazują, ile może kosztować przyspieszenie budowy, zmiana dostawcy albo przesunięcie terminu. Pozwalają wcześniej zobaczyć, że krótkoterminowa oszczędność zwiększy ryzyko drogiej poprawki na kolejnym etapie.

Algorytm optymalizujący koszt może jednak wybierać rozwiązania, które przenoszą ryzyko na innych uczestników. Najtańszy harmonogram może wymagać minimalnych rezerw czasowych. Najefektywniejsze wykorzystanie pracowników może oznaczać pracę kilku zespołów w tej samej przestrzeni. Ograniczenie zapasów materiałów zwiększa zależność od punktualności dostaw.

Wynik modelu zależy od celu. Jeśli system ma minimalizować koszt, będzie szukał najtańszego wariantu w ramach zapisanych ograniczeń. Nie oceni samodzielnie, czy przyjęty poziom ryzyka jest uczciwy wobec podwykonawców ani czy presja czasowa pogorszy bezpieczeństwo.

Budowa nie jest arkuszem kalkulacyjnym. Każda oszczędność ma wykonawcę, miejsce i możliwą konsekwencję techniczną.

Kamera rozpoznaje brak kasku, ale nie zna całej sytuacji

.Plac budowy należy do najbardziej niebezpiecznych środowisk pracy. Ludzie pracują na wysokości, w pobliżu ciężkich maszyn, wykopów, niezabezpieczonych krawędzi i instalacji elektrycznych. Warunki zmieniają się wraz z postępem robót.

Systemy widzenia komputerowego mogą wykrywać brak kasku lub kamizelki ostrzegawczej, wejście do strefy zamkniętej, niebezpieczną odległość między człowiekiem a maszyną albo pozostawienie przeszkody na drodze komunikacyjnej. Czujniki umieszczone w ubraniu mogą informować o upadku, wysokiej temperaturze, zmęczeniu lub lokalizacji pracownika.

Korzyść jest realna. System może zauważyć zagrożenie wcześniej niż osoba obserwująca wiele ekranów albo zajęta innymi zadaniami. Ostrzeżenie przekazane operatorowi maszyny może zapobiec kolizji.

Model widzi jednak jedynie dane dostępne dla kamery lub czujnika. Może nie rozpoznać, że pracownik zdjął kask, aby udzielić pomocy w zamkniętej przestrzeni. Może błędnie uznać element ubrania za wyposażenie ochronne albo nie zauważyć zagrożenia zasłoniętego przez maszynę.

Nadmierna wiara w skuteczność monitoringu może osłabić tradycyjne procedury bezpieczeństwa. Kierownictwo zaczyna zakładać, że brak alarmu oznacza brak zagrożenia. Tymczasem system potwierdza jedynie, że nie wykrył określonego wzorca.

Monitoring bezpieczeństwa może również przekształcić się w nadzór nad wydajnością. Kamera rejestrująca wejście do strefy niebezpiecznej może równie łatwo mierzyć tempo pracy, długość przerw i czas przebywania pracownika w konkretnym miejscu.

Granica między ochroną człowieka a kontrolowaniem go nie przebiega w urządzeniu. Wynika z zasad wykorzystywania danych.

Autonomiczna maszyna dobrze działa w świecie, który potrafi rozpoznać

.Częściowo autonomiczne koparki, spycharki, walce i maszyny do wykonywania powtarzalnych prac przestają być wyłącznie prototypami. Systemy zdalnego sterowania pozwalają operatorowi pracować poza strefą zagrożenia, a automatyczne funkcje pomagają utrzymywać trasę, głębokość wykopu lub parametry zagęszczenia.

Built Robotics rozwija systemy pozwalające automatyzować wybrane prace ziemne oraz wykonywanie rowów i pali na dużych, odpowiednio przygotowanych obszarach. Caterpillar rozszerza rozwiązania zdalne i półautonomiczne na kolejne rodzaje sprzętu budowlanego.

Automatyzacja może zmniejszać ryzyko związane z przewróceniem maszyny, pracą przy stromych skarpach, pyłem, hałasem i długotrwałymi drganiami. Pozwala także wykonywać powtarzalne zadania z podobną dokładnością.

Plac budowy jest jednak środowiskiem znacznie mniej uporządkowanym niż hala produkcyjna. Ludzie pojawiają się w nowych miejscach, teren zmienia się po każdym etapie, materiały są przesuwane, a oznaczenia mogą zostać zasłonięte lub uszkodzone.

Autonomiczna maszyna potrzebuje dokładnego rozpoznania otoczenia, wiarygodnej lokalizacji oraz strefy oddzielonej od przypadkowego ruchu ludzi. Utrata sygnału, zabrudzenie czujnika lub błędne rozpoznanie przeszkody może prowadzić do zatrzymania prac albo niebezpiecznego działania.

Badania nad robotyką budowlaną pokazują, że obecne zastosowania nadal opierają się przede wszystkim na współpracy człowieka z maszyną, a nie na pełnej autonomii całego placu budowy. Robot wykonuje wybrane zadanie, podczas gdy człowiek przygotowuje teren, nadzoruje proces i reaguje na sytuacje nietypowe.

Najtrudniejsze nie jest nauczenie maszyny powtarzalnego ruchu. Najtrudniejsze jest bezpieczne działanie w środowisku, którego nie da się całkowicie przewidzieć.

AI może wykryć odchylenie, ale nie zna jego przyczyny

.Kontrola jakości opiera się na porównaniu wykonanego elementu z projektem, normami i wymaganiami technicznymi. Skanowanie 3D oraz analiza obrazu mogą wykrywać różnice w położeniu ścian, przewodów, otworów, elementów prefabrykowanych lub konstrukcji.

Model może wskazać pęknięcie, nierówność albo brakujący element. Może również porównywać kolejne obrazy i pokazywać, czy uszkodzenie się powiększa. Podczas produkcji prefabrykatów system wizyjny może kontrolować powtarzalność wykonania szybciej niż człowiek.

Rozpoznanie odchylenia nie jest jednak tym samym co ocena techniczna. Pęknięcie może być powierzchniowe albo świadczyć o problemie konstrukcyjnym. Różnica między modelem a wykonaniem może wynikać z błędu robót, lecz także z zatwierdzonej zmiany, której nie wprowadzono do cyfrowej dokumentacji.

Algorytm widzi niespójność. Inżynier musi ustalić jej przyczynę, znaczenie oraz sposób naprawy.

Największe ryzyko pojawia się wtedy, gdy wynik systemu zaczyna zastępować odbiór techniczny. Zielony komunikat na ekranie nie oznacza, że element jest bezpieczny. Potwierdza jedynie zgodność z kryteriami, które model potrafił sprawdzić.

Jakość budynku zależy również od tego, czego nie widać po zakończeniu prac: przygotowania podłoża, połączeń ukrytych pod warstwami wykończeniowymi, sposobu wykonania izolacji czy właściwości zastosowanych materiałów. AI może poprawić kontrolę, lecz nie usuwa potrzeby inspekcji prowadzonej przez osoby posiadające wiedzę i uprawnienia.

Model może przyspieszyć błąd na skalę całej budowy

.Automatyzacja jest często przedstawiana jako sposób ograniczania ludzkich pomyłek. Może jednak zwiększyć zasięg jednego błędu. Człowiek wykonujący nieprawidłowy pomiar może źle zamontować jeden element. System oparty na błędnym modelu może przekazać te same niewłaściwe dane wielu zespołom i maszynom.

Nieaktualny model BIM może prowadzić do produkcji całej serii niewłaściwych prefabrykatów. Błędne dane o geometrii terenu mogą wyznaczyć niewłaściwą trasę maszyn. Wadliwa prognoza harmonogramu może skłonić kierownictwo do przesunięcia zasobów z etapu, który w rzeczywistości jest krytyczny.

Im silniej zintegrowany jest system, tym szybciej decyzja przechodzi od analizy do wykonania. Oszczędność czasu jest jednocześnie ograniczeniem czasu dostępnego na zauważenie pomyłki.

Budownictwo potrzebuje dlatego nie tylko automatyzacji, lecz także kontrolowanych przerw w automatyzacji. Decyzje o dużych konsekwencjach powinny wymagać zatwierdzenia, a zmiany modeli muszą pozostawiać zapis pozwalający ustalić, kto je wprowadził, kiedy i na jakiej podstawie.

W pełni płynny przepływ informacji nie zawsze jest zaletą. Czasem bezpiecznikiem jest moment, w którym inżynier musi zatrzymać proces i sprawdzić założenia.

Algorytm nie jest uczestnikiem procesu budowlanego

Polskie Prawo budowlane wskazuje uczestników procesu: inwestora, inspektora nadzoru inwestorskiego, projektanta oraz kierownika budowy lub kierownika robót. Każda z tych ról wiąże się z określonymi obowiązkami i odpowiedzialnością.

Sztuczna inteligencja nie staje się kolejnym uczestnikiem tylko dlatego, że jej rekomendacja wpływa na decyzję. Model nie posiada uprawnień budowlanych, nie prowadzi samodzielnie dziennika budowy i nie składa oświadczenia o zgodności wykonania obiektu z projektem oraz przepisami.

Problem pojawia się wtedy, gdy formalna odpowiedzialność pozostaje przy człowieku, ale rzeczywista zdolność oceny decyzji przechodzi do dostawcy systemu. Kierownik widzi zalecenie zmiany harmonogramu, lecz nie zna danych treningowych ani powodów, dla których model uznał konkretny wariant za najlepszy.

Samo kliknięcie przycisku zatwierdzającego nie jest jeszcze rzeczywistym nadzorem. Człowiek musi posiadać wiedzę, czas oraz możliwość odrzucenia rekomendacji.

Odpowiedzialność powinna być ustalana jeszcze przed wdrożeniem systemu. Trzeba określić, które decyzje AI może wykonywać automatycznie, które wymagają zatwierdzenia i kto odpowiada za jakość danych. Umowa z dostawcą powinna regulować dostęp do dokumentacji, aktualizacji, logów i informacji o ograniczeniach modelu.

Po wypadku nie wystarczy stwierdzić, że system działał zgodnie ze swoim prawdopodobieństwem. Budownictwo wymaga wskazania podmiotu, który miał obowiązek zapobiec zagrożeniu.

AI Act obejmie część systemów wykorzystywanych na budowie

.Nie każde narzędzie AI na placu budowy będzie systemem wysokiego ryzyka. Klasyfikacja zależy od przeznaczenia oraz wpływu technologii na bezpieczeństwo i prawa człowieka.

Systemy służące zarządzaniu pracownikami mogą podlegać szczególnym wymaganiom, jeżeli przydzielają zadania na podstawie zachowania lub cech osób, monitorują ich pracę albo wpływają na decyzje dotyczące zatrudnienia. Podobnie AI będąca elementem bezpieczeństwa produktu może zostać objęta obowiązkami związanymi z systemami wysokiego ryzyka.

W praktyce oznacza to konieczność zarządzania ryzykiem, dokumentowania działania, zapewnienia odpowiedniej jakości danych, rejestrowania zdarzeń oraz rzeczywistego nadzoru człowieka.

Granica nie zawsze będzie oczywista. Kamera wykrywająca brak kasku może służyć wyłącznie natychmiastowemu ostrzeganiu. Ten sam system połączony z profilem pracownika i oceną jego zachowania może wpływać na decyzje kadrowe.

AI Act nie zastąpi zasad bezpieczeństwa budowlanego ani prawa pracy. Dodaje kolejną warstwę odpowiedzialności dotyczącą sposobu projektowania i stosowania modeli.

Dla wykonawców oznacza to, że zakup technologii nie może ograniczać się do porównania ceny i deklarowanej skuteczności. Trzeba wiedzieć, w jakim celu system będzie używany, jakie dane przetwarza oraz jakie obowiązki spoczywają na przedsiębiorstwie jako użytkowniku.

Polska musi najpierw uporządkować dane

.Polskie budownictwo stopniowo cyfryzuje dokumentację i formalną obsługę inwestycji. Rozwijane są usługi e-Budownictwa, elektroniczny dziennik budowy oraz wykorzystanie BIM w projektach infrastrukturalnych i przemysłowych.

Sama cyfryzacja dokumentów nie tworzy jednak środowiska gotowego na AI. Dane muszą być uporządkowane, aktualne, porównywalne i możliwe do wymiany między systemami. Model nie pomoże, gdy inwestor, projektant, generalny wykonawca i podwykonawcy przechowują różne wersje dokumentacji w niepołączonych środowiskach.

Szczególne znaczenie mają otwarte standardy. Inwestycja trwa dłużej niż umowa z dostawcą oprogramowania. Dane powinny pozostać dostępne także po zmianie systemu, zakończeniu budowy i rozpoczęciu eksploatacji obiektu.

Polska potrzebuje również zespołów łączących wiedzę budowlaną z analizą danych. Specjalista od AI bez doświadczenia na placu budowy może błędnie interpretować informacje. Inżynier pozbawiony kompetencji cyfrowych może natomiast zatwierdzać wyniki, których nie potrafi ocenić.

Największą przewagą nie będzie zakup najbardziej efektownej platformy. Będzie nią zdolność przedsiębiorstwa do tworzenia wiarygodnych danych, testowania modeli i zachowania kompetencji potrzebnych do pracy po awarii systemu.

Plac budowy może być zarządzany przez algorytm, lecz nie bez odpowiedzialnego człowieka

.AI może zmniejszyć chaos procesu budowlanego. Wcześniej pokaże zagrożenie dla terminu, wykryje różnicę między projektem a wykonaniem, ułatwi kontrolę kosztów i ostrzeże przed niebezpiecznym zdarzeniem. Roboty oraz częściowo autonomiczne maszyny mogą przejąć zadania powtarzalne i szczególnie ryzykowne.

Największym zagrożeniem nie jest jednak budowa, na której nagle zabraknie ludzi. Bardziej prawdopodobny jest plac budowy, na którym człowiek pozostaje formalnie odpowiedzialny, ale coraz mniej rozumie decyzje systemu.

Kierownik otrzymuje gotową rekomendację. Inwestor widzi jeden wskaźnik ryzyka. Podwykonawca wykonuje zadanie przydzielone przez platformę. Maszyna realizuje geometrię pobraną z modelu. Każdy ufa, że wcześniejszy element procesu został sprawdzony przez kogoś innego.

Odpowiedzialne zastosowanie AI wymaga zachowania ciągłości między danymi, rekomendacją i decyzją. Musi być możliwe ustalenie, skąd pochodziła informacja, kto zatwierdził zmianę i dlaczego wybrano określony wariant.

Plac budowy przyszłości będzie coraz silniej zarządzany przez dane. Nie powinien być zarządzany przez anonimową decyzję.

Algorytm może przewidzieć opóźnienie, porównać tysiące zdjęć i poprowadzić maszynę po wyznaczonej trasie. Nie podpisze jednak dziennika budowy ani nie stanie przed mieszkańcami obiektu, gdy ujawni się wada.

Maszyna może wskazać, jak zbudować szybciej. Człowiek nadal musi zagwarantować, że zbudowano bezpiecznie i zgodnie z projektem.

Szymon Ślubowski