Īsā versija

Koksnes industrijas savstarpējā apdrošināšanas sabiedrība (wood‑industry mutual), par kuru raksta **Insurance Business** materiālā "Why this wood-industry mutual won't \"throw AI at everything\"", izvēlas pretēji tehnoloģiju burbuļiem: tā neļauj mākslīgajam intelektam pārņemt visu, bet liek AI strādāt tur, kur tas tiešām samazina riskus un palīdz cilvēkiem.

Šis stāsts nav par to, kā AI rīki aizstās cilvēkus – drīzāk par to, kā vadība apzināti bremzē instinktu "automatizēt visu", lai pasargātu biznesa loģiku un klientu uzticību. Un te parādās interesanta paralēle ar **AI būvniecībā**: arī uz būvlaukuma akla automatizācija var radīt dārgas kļūdas, ja nav skaidrs, kāpēc tieši konkrētais rīks tiek ieviests.

"We’re not going to throw AI at everything" – šī attieksme, ko apraksta Insurance Business, kļūst par filtru, caur kuru izvērtēt katru jaunu tehnoloģiju.

Kāpēc tas ir svarīgi reālos projektos

Apdrošināšanas pasaulē dati jau sen ir galvenais izejmateriāls. Koksnes industrijas savstarpējā apdrošinātāja gadījumā AI potenciāls ir acīmredzams: labāka risku modelēšana, ātrāka prasību apstrāde, agrīna bīstamu tendenču pamanīšana.

Tomēr avota stāsts uzsver – vadība apzināti atsakās no pieejas, kur AI tiek uzspiests katram procesam tikai tāpēc, ka tas ir moderni. Šī attieksme ir īpaši aktuāla **būvniecības tehnoloģijās**, kur katra kļūda maksā ne tikai naudu, bet bieži arī drošību.

Ja apdrošinātājs, kurš strādā ar koksnes industriju, izvēlas AI lietot mērķēti, tas ir signāls arī būvniekiem:

• **AI rīki ir jāsaista ar konkrētu risku samazināšanu.** Apdrošināšanā tie var palīdzēt saprast, kur projektiem visbiežāk rodas zaudējumi. Būvniecībā tas nozīmē – AI jāpalīdz paredzēt kavējumus, drošības incidentus vai izmaksu pārsniegumus, nevis vienkārši “būt klāt prezentācijā”.
• **Cilvēka spriedums paliek centrā.** Savstarpējā apdrošināšana balstās uzticībā starp biedriem. Ja lēmumi tiek atdoti melnajai AI kastītei, uzticība var sabrukt. Līdzīgi uz būvlaukuma – projekta vadītājam joprojām jābūt tam, kurš pieņem gala lēmumu, balstoties uz AI ieteikumiem, nevis akli tiem seko.
• **Automatizācija nav pašmērķis.** Avota raksts skaidri norāda uz atteikšanos no “throw AI at everything” mentalitātes. Būvniecībā tas varētu nozīmēt: nevis uzreiz automatizēt visu dokumentu apriti, bet sākt ar tiem posmiem, kur cilvēki šobrīd visvairāk kļūdās vai tērē laiku – piemēram, darba laika uzskaiti, foto dokumentāciju vai rēķinu salāgošanu ar reālajām aktivitātēm.

Šis piesardzīgais, bet mērķētais skatījums ir labs pretstats izplatītajam AI haipam. Savstarpējais apdrošinātājs koksnes nozarē saprot, ka slikti pielietots AI var palielināt risku – piemēram, ja algoritms nepareizi novērtē ugunsgrēka vai konstrukciju bojājumu iespējamību. Tas pats attiecas uz **AI būvniecībā**: ja datu kvalitāte ir zema vai modeļi nav pielāgoti konkrētai videi (mitri koka karkasi, sezonālas temperatūras svārstības, reāli būvlaukuma foto), rezultāts var būt bīstami maldinošs.

No šī stāsta būvniecības uzņēmumi var izvilkt trīs praktiskas mācības:

1. **Sāc ar vietām, kur AI var samazināt apdrošināšanas riskus.** Ja apdrošinātājs redz, ka AI palīdz labāk kontrolēt ugunsdrošību, darba drošību vai termiņu disciplīnu, tas var tieši ietekmēt prēmiju līmeni un nosacījumus. 2. **Veido caurspīdīgus AI procesus.** Apdrošinātāja piesardzība pret "AI visur" nozīmē, ka viņi vēlas saprast, kā algoritms nonāk pie secinājumiem. Būvniecībā tas nozīmē izvēlēties AI rīkus, kuri piedāvā skaidrojamu loģiku – lai inženieri var pārbaudīt, kāpēc sistēma brīdina par kavējumu vai risku. 3. **Iesaisti komandu, ne tikai IT nodaļu.** Savstarpējā apdrošināšanā biedriem ir balss par to, kādi riski tiek pārvaldīti. Arī būvlaukumā AI ieviešana jāsāk ar sarunu ar darbu vadītājiem un brigadieriem, nevis tikai ar tehnoloģiju piegādātāju.

Šeit parādās arī praktisks jautājums: kā savākt kvalitatīvus datus, lai AI rīki vispār būtu lietojami? Tieši šajā posmā spēlē iesaistās tādi risinājumi kā WorksRecorded – platforma, kas būvniecības komandām palīdz sakārtot būvdarbu žurnālus, darba laika uzskaiti, dokumentus, rēķinus un projektu atskaites vienā vietā. Ja dati ir strukturēti un pilnīgi, nākamajā solī tos var droši izmantot mērķētiem AI risinājumiem, nevis aklai automatizācijai.

Kam sekot tālāk

• Vērot, kā apdrošinātāji, īpaši nišas savstarpējās sabiedrības, definē robežas starp cilvēka lēmumu un AI ieteikumiem.
• Meklēt **AI būvniecībā** risinājumus, kas ir cieši sasieti ar konkrētiem apdrošināšanas un drošības rādītājiem, nevis tikai ar skaistiem interfeisiem.
• Ieguldīt datu kvalitātē – no būvdarbu žurnāliem līdz fotofiksācijai – pirms uzsākt plašu AI projektu.
• Testēt AI rīkus ierobežotā apjomā (piemēram, vienā objektā vai vienā brigādē), līdzīgi kā piesardzīgi to dara apdrošinātāji ar jauniem risku modeļiem.
• Sarunāties ar apdrošinātājiem par to, kādi digitālie pierādījumi (žurnāli, sensori, foto) viņiem būtu visvērtīgākie risku novērtēšanai.

Redaktora piezīme no būvlaukuma

No būvlaukuma skatpunkta man šī apdrošinātāja frāze – "mēs nemetīsim AI visam virsū" – izklausās ļoti pazīstami. Būvniecībā mēs pārāk bieži esam redzējuši rīkus, kas solīja “pilnīgu automatizāciju”, bet realitātē radīja vairāk darba un neskaidrību.

Ja apdrošinātājs, kurš dzīvo no precīza riska aprēķina, izvēlas AI rīkus lietot selektīvi, tas ir labs atgādinājums arī mums: tehnoloģijām jāstrādā kopā ar cilvēkiem, nevis viņu vietā. AI rīki, kas balstās uz kārtīgiem datiem un risina konkrētu problēmu, būs vērtīgāki par desmit universālām platformām, kuras neviens uz objekta līdz galam neizmanto.