Katrs ceturtais vadītājs: AI kļūdas jau nonāk līdz padomēm un ārējai auditorijai

Īsā versija

Aptaujas dati, ko citē Fair Play Talks, ir skarbi: aptuveni viens no četriem vadītājiem atzīst, ka viņu organizācijā radītās AI kļūdas jau ir sasniegušas valdes līmeni vai pat ārējo auditoriju – klientus, partnerus, medijus. Tas ir brīdinājuma signāls visām nozarēm, tostarp būvniecībai, kur AI rīki tiek ieviesti arvien agresīvāk.

AI būvniecībā vairs nav tikai teorija. Algoritmi palīdz sastādīt tāmes, analizēt būvlaukuma riskus, prognozēt kavēšanās un automatizēt dokumentu apriti. Taču tas pats spēks, kas dod ātrumu un ietaupījumus, var arī radīt sistēmiskas kļūdas – un tās, kā rāda aptauja, jau izlaužas no iekšējās virtuves ārpusē.

Kad AI kļūda vairs nav tikai Excel rinda, bet ziņojums valdei vai nepareizs skaidrojums klientam, jautājums vairs nav par tehnoloģiju, bet par uzņēmuma reputāciju.

Kāpēc tas ir svarīgi reālos projektos

Ja ceturtajai daļai vadītāju jau ir nācies saskarties ar AI kļūdām, kas nonāk līdz padomei vai ārējām pusēm, tas nozīmē vienu: AI rīki tiek uztverti pārāk pašsaprotami un bieži tiek izmantoti bez pietiekamas kontroles. Būvniecības tehnoloģijas šobrīd ir ceļā no “nice-to-have” uz “mission-critical”, un tieši tur kļūdu cena ir visaugstākā.

Iedomāsimies tipisku situāciju. Liels ģenerāluzņēmējs izmanto AI rīkus, lai automātiski analizētu iepirkuma dokumentus un ģenerētu izmaksu prognozes vairākām būvēm vienlaikus. Sistēma kļūdaini interpretē vienu no tehniskajiem nosacījumiem, un rezultātā tāme tiek par zemu novērtēta par dažiem procentiem. Ja projekts ir 20 miljonu eiro vērts, pāris procenti kļūdas vairs nav sīkums – tie ir simtiem tūkstošu, par kuriem valde noteikti gribēs zināt, kā šī kļūda radās.

Tieši to atspoguļo Fair Play Talks minētā aina: AI kļūdas vairs nepaliek IT nodaļas līmenī. Tās nonāk līdz stratēģiskajām diskusijām un ārējiem ziņojumiem. Būvniecībā tas var izpausties kā:

• nepareizi aprēķināts projekta izpildes grafiks, kas tiek prezentēts pasūtītājam;
• automatizēts kvalitātes vai drošības atskaites kopsavilkums, kur AI kļūdaini klasificē incidentus;
• AI ģenerēts tehniskais skaidrojums vai vēstule, kas nonāk pie pasūtītāja vai uzraugošās iestādes.

Šeit parādās būtiskā spriedze: AI būvniecībā sola automatizāciju, ātrumu un mazāk manuāla darba, bet vienlaikus rada jaunus riskus – ne tikai tehniskus, bet arī juridiskus un reputācijas riskus. Ja kļūdains AI kopsavilkums nonāk pie ārējā auditora vai regulatora, jautājums vairs nav tikai par “bugu sistēmā”, bet par to, vai uzņēmums kontrolē savu datu un procesu kvalitāti.

Tāpēc AI rīki būvlaukumā un birojā jāredz kā palīgi, nevis autonomi lēmēji. Aptaujas rezultāti parāda, ka daļa vadītāju jau ir sāpīgi iemācījušies šo atšķirību. Organizācijas, kas strādā ar būvniecības tehnoloģijas ieviešanu, arvien vairāk runā par “human-in-the-loop” pieeju – AI drīkst ģenerēt analīzi, bet gala lēmumam un pārbaudei joprojām jābūt pie cilvēka, kurš izprot projektu un kontekstu.

Vēl viens slānis ir datu pārvaldība. Ja AI kļūdas tiek eskalētas līdz valdēm, tas nozīmē, ka dati, uz kuriem balstās algoritmi, bieži ir nepilnīgi vai slikti strukturēti. Būvniecībā tas ir īpaši sāpīgi: izkaisīti būvdarbu žurnāli, dažādos formātos glabātas atskaites un manuāli veidoti grafiki padara AI mācīšanu un lietošanu nedrošu.

Šeit parādās praktisks nākamais solis – sakārtot pamatus. Piemēram, WorksRecorded piedāvā būvniecības komandām vienotu vidi būvdarbu žurnāliem, darba laika uzskaitei, dokumentiem, rēķiniem un projektu atskaitēm. Jo tīrāki un strukturētāki ir dati, jo drošāk var izmantot AI rīkus un automatizāciju, samazinot iespēju, ka nākamā AI kļūda nonāks valdes darba kārtībā.

Kam sekot tālāk

• Sekot, kā uzņēmumi, par kuriem raksta Fair Play Talks, maina AI pārvaldību pēc tam, kad kļūdas ir sasniegušas padomes līmeni.
• Vērot konkrētus piemērus būvniecības nozarē, kur AI būvniecībā tiek izmantots tāmēm, grafikiem un risku analīzei, un kā tiek organizēta cilvēka kontrole pār šiem lēmumiem.
• Izpētīt, kādi kvalitātes un atbildības ietvari (AI governance) top lielajos starptautiskajos būvuzņēmumos, lai AI kļūdas nenonāktu pie pasūtītājiem un regulatoriem.
• Pievērst uzmanību datu infrastruktūrai: kā tiek strukturēti būvdarbu žurnāli, atskaites un finanšu dati, lai AI rīki varētu strādāt ar uzticamu pamatu.
• Novērtēt, kuri AI rīki un platformas būvniecības tehnoloģijās jau šodien piedāvā iebūvētas kontroles un audita pēdas (kas, kad un ko apstiprināja).

Redaktora piezīme no būvlaukuma

No būvlaukuma skatpunkta šī diskusija nav par “lielo AI revolūciju”, bet par ļoti konkrētu jautājumu: kurš atbildēs, kad kļūdains AI kopsavilkums nonāks pie pasūtītāja? Esmu redzējis, kā projekti cieš no paviršiem Excel failiem – tagad tie paši ieradumi vienkārši pārceļas uz AI rīkiem. Kamēr mēs neizveidosim skaidru spēles laukumu – kādi dati tiek ievadīti, kas pārbauda AI rezultātu, kā tas tiek dokumentēts –, tikmēr katrs ceturtais vadītājs turpinās stāstīt par AI kļūdām valdē. Un būvniecībā šādas mācībstundas parasti ir dārgas.