Īsā versija

Palo Alto Networks vadītājs Nikesh Arora ir pateicis skaļi to, ko daudzi tikai nojausdami murmina koridoros: pašreizējās mākslīgā intelekta izmaksas nav ilgtspējīgas. Viņš konkrēti nosauc skaitli – lai AI rīki kļūtu ekonomiski jēgpilni plašā mērogā, žetonu (token) cenām jākrītas par aptuveni **90%**.

Būvniecības nozarei tas ir trauksmes zvans. No vienas puses – visi runā par AI būvniecībā, gudriem laika grafikiem, drošības analītiku un automatizāciju. No otras – aiz skaistajiem demo slēpjas ļoti konkrēts rēķins par katru apstrādāto vārdu, attēlu un datu rindu.

"AI būs jāsamazinās izmaksās par aptuveni 90%, lai tas kļūtu par ilgtspējīgu biznesu" – šāds ir Palo Alto Networks vadītāja vēstījums par žetonu cenu problēmu.

Kāpēc tas ir svarīgi reālos projektos

Iedomāsimies tipisku ģenerāluzņēmēju ar 5–10 paralēliem objektiem. Pēdējā laikā viņam piedāvā visdažādākos AI rīkus: no automātiskas būvdarbu žurnālu analīzes līdz progresu atpazīšanai no drona fotogrāfijām. Visi solījumi izklausās spoži, bet jautājums ir viens – cik tas **patiesībā** maksās mēnesī, ja AI palaidīs nevis vienam pilotprojektam, bet visai kompānijai?

Pašreizējie lielo valodas modeļu un attēlapstrādes modeļu biznesa modeļi balstās žetonu (token) izmaksās. Katrs būvdarbu ieraksts, katrs drošības incidents, katrs BIM modeļa komentārs tiek "sagriezts" žetonos, un par tiem jāmaksā. Arora norāda, ka šobrīd šī cena ir pārāk augsta, lai veidotu patiesi ilgtspējīgu biznesu.

Būvniecības kontekstā tas nozīmē:

• **Mazāk datu = mazāk AI**. Komandas sāk taupīt – sūta uz AI tikai daļu dokumentu, nevis pilnu projekta vēsturi. Rezultāts: vājāka analīze, mazāk precīzi ieteikumi, lielāks kļūdu risks.
• **Pilotprojekti, kas nekad nepārvēršas par standartu.** Vienā objektā AI rīki tiek izmēģināti ar lielu entuziasmu, bet, kad parādās reālais izmaksu piedāvājums visai flotei, entuziasms apsīkst.
• **Drošības un atbilstības datu "tumšā zona".** Lai ietaupītu, daļa incidentu, fotogrāfiju un video nemaz netiek sūtīti uz AI analīzi. Tas ir tieši pretēji tam, ko nozare grib sasniegt – caurspīdību un preventīvu risku vadību.

AI būvniecībā ir visvairāk vajadzīgs tieši tur, kur datu apjomi ir milzīgi: ikdienas atskaites, materiālu kustība, darba laiki, RFI, izmaiņu pasūtījumi, drošības pārbaudes, piegāžu grafiki. Ja žetonu cena nekrītas, katrs šāds datu slānis kļūst par atsevišķu izmaksu rindu, nevis par loģisku ievadi vienotā analītikas sistēmā.

Tāpēc Arora izteiktais 90% krituma skaitlis nav tikai tehnoloģiju industrijas iekšējais strīds. Tas ir tiešs jautājums: **vai mēs būvniecības tehnoloģijas veidosim kā ekskluzīvu premium pakalpojumu, vai kā nozares standartu?**

Ja žetonu cenas krītas:

• AI rīki var kļūt par ikdienas fonu – automātiski analizēt būvdarbu žurnālus, salīdzināt plānoto pret faktisko, brīdināt par kavējumiem.
• Automatizācija var aptvert visu dokumentu plūsmu, nevis tikai nelielu "paraugu"; tas nozīmē labāku kvalitātes kontroli un mazāk strīdu ar pasūtītājiem.
• Mazāk vajadzēs manuālu datu "tīrīšanu" – AI pats tiks galā ar nesakārtotiem ierakstiem, e-pastiem un fotogrāfijām, ja vien to būs ekonomiski izdevīgi apstrādāt.

Ja žetonu cenas nekrītas pietiekami ātri, iespējams scenārijs, kur AI būvniecībā attīstās ļoti nevienmērīgi: lielie spēlētāji ar milzīgiem budžetiem būvē savas iekšējās platformas, bet mazie un vidējie uzņēmumi turpina dzīvot ar Excel tabulām un WhatsApp čatiem.

Šeit parādās arī ļoti praktisks aspekts: AI tehnoloģijas pašas par sevi nav maģija; tās ir tikai instruments, kas kļūst jēdzīgs tad, kad ir sakārtota datu disciplīna – būvdarbu žurnāli, darba laika uzskaite, rēķini, dokumenti un atskaites.

Tieši šeit spēlē nākamais solis – tādi praktiski risinājumi kā WorksRecorded. Ja komandai ir viena vieta, kur sakārtoti būvdarbu žurnāli, darba laiks, dokumenti, rēķini un projekta atskaites, tad jebkurš nākamais AI slānis (prognozes, riska analīze, automatizācija) kļūst vienkāršāks un lētāks. Bez šādas bāzes AI rīki būs tikai dārgi eksperimenti virs nesakārtotas ikdienas.

Kam sekot tālāk

• **Žetonu cenu dinamika.** Sekot, vai lielie AI pakalpojumu sniedzēji tiešām virzās uz 90% izmaksu kritumu vai arī meklē alternatīvus cenu modeļus (abonēšana, fiksētas pakas u.c.).
• **Nozares specifiskie AI modeļi.** Vai parādās lētāki, būvniecībai pielāgoti modeļi, kas neprasa tik dārgus vispārējos lielos valodas modeļus?
• **Datu bāzu sakārtošana uzņēmumos.** Cik tālu ir jūsu pašu projekti ar būvdarbu žurnālu, darba laika un dokumentu digitalizāciju – bez tā AI būvniecībā nedos pilnu efektu.
• **Regulējums un drošība.** Kā kibernoziedzības un datu drošības prasības (tieši tādas, ar kurām strādā Palo Alto Networks) ietekmēs AI ieviešanas izmaksas objektos.
• **Pilotprojekti ar skaidru ROI.** Izvērtēt, kuri AI rīki var dot izmērāmu ietaupījumu tieši jūsu procesā – nevis vispārīgi, bet konkrētos darbos objektā.

Redaktora piezīme no būvlaukuma

No būvlaukuma skatu punkta šis viss izklausās ļoti vienkārši: vai AI palīdz pabeigt objektu ātrāk un drošāk, un vai par to neesam pārmaksājuši. Manā pieredzē lielākā kļūda ir sākt ar spožākajiem AI demo, nevis ar pamatu – sakārtotiem datiem un skaidru izmaksu modeli.

Ja žetonu cenas patiešām kritīsies, mēs varēsim atļauties palaist AI pāri visam projekta arhīvam, nevis tikai dažiem PDF. Ja nekritīsies, gudrākais, ko varam darīt jau šodien, ir būvēt disciplīnu datu ievadē un izvēlēties tādus rīkus kā WorksRecorded, kas sakārto ikdienas haosu. Tad, lai kā beigtos šī AI izmaksu cīņa, jūsu komanda būs gatava nākamajam tehnoloģiju vilnim.