الذكاء الاصطناعي لتتبع نسبة الإنجاز: استبدال تقارير التقدم اليدوية

اسأل ثلاثة مشرفين مختلفين عن تقديرهم لنسبة إنجاز أعمال التمديدات الميكانيكية الأولية، وستحصل على ثلاثة أرقام مختلفة. أحدهم يلقي نظرة على مجاري الهواء المركبة ويقول 65%. والآخر يعدّ الغرف التي اكتملت فيها التمديدات الأولية ويقول 58%. والثالث يتحقق من ساعات العمل المخططة ويقول 71%. الثلاثة يحاولون الإجابة على نفس السؤال، ولا أحد منهم يمتلك طريقة متسقة ودقيقة في آن واحد.

مشكلة تقارير التقدم اليدوية

تقارير نسبة الإنجاز تحرّك كل شيء في المراحل اللاحقة من إدارة مشاريع البناء. فهي تحدد حسابات القيمة المكتسبة، وطلبات الدفع المرحلية، والتنبؤ بالجدول الزمني، وتخطيط الموارد. عندما تكون أرقام نسبة الإنجاز غير دقيقة، فإن كل قرار لاحق يُبنى على بيانات خاطئة.

وجدت أبحاث معهد صناعة البناء أن التقديرات اليدوية لنسبة الإنجاز في مشاريع البناء النشطة تنحرف عن التقدم الفعلي بمتوسط 12 إلى 15 نقطة مئوية. ويكون الانحياز دائماً تقريباً نحو الإفراط في الإبلاغ عن التقدم. فالمشرفون، غالباً دون وعي، يبلغون عن نسب إنجاز أعلى من الواقع لأنهم متفائلون بتعويض التأخيرات البسيطة، ولأن التقدم الأقل من المتوقع يثير محادثات غير مريحة مع المالكين ومديري المشاريع.

يتراكم هذا الإفراط في الإبلاغ. المشروع الذي يبلغ باستمرار عن تقدم أعلى بنسبة 5% من الواقع على مدار 6 أشهر يبني فجوة بين الحالة المُبلغ عنها والحالة الحقيقية تظهر في النهاية كمفاجأة في الجدول الزمني أو التكلفة. وبحلول الوقت الذي تصبح فيه الفجوة لا يمكن إنكارها، تكون خيارات التعافي محدودة ومكلفة.

كيف يقيس الذكاء الاصطناعي التقدم

يستخدم تتبع التقدم بالذكاء الاصطناعي مصادر بيانات متعددة لحساب نسبة الإنجاز دون الاعتماد على التقديرات البشرية الذاتية. تشمل الأساليب الأكثر شيوعاً التحليل القائم على الصور باستخدام الرؤية الحاسوبية، ومقارنة السحب النقطية ثلاثية الأبعاد من المسح الليزري أو التصوير المساحي، وبيانات أجهزة إنترنت الأشياء من الأنظمة المركبة، وتتبع المواد من سجلات التوريد والتركيب.

يُعد تتبع التقدم القائم على الصور الأكثر سهولة في الوصول. يلتقط المشرفون أو مصورو الموقع صوراً منظمة وفق جدول منتظم، متبعين مسارات تصوير محددة عبر المبنى. تقارن خوارزميات الرؤية الحاسوبية هذه الصور مع نموذج التصميم والصور السابقة لتحديد ما تم تركيبه منذ آخر التقاط.

اختبرت منصة متخصصة في تتبع التقدم القائم على الصور دقتها عبر 85 مشروع بناء تجاري. كان متوسط نسبة الإنجاز المحسوبة بالذكاء الاصطناعي ضمن 3.2 نقطة مئوية من التقدم الفعلي المقاس من خلال مسوحات ميدانية تفصيلية. بينما انحرفت تقارير المشرفين اليدوية على نفس المشاريع بمتوسط 11.8 نقطة مئوية عن المسوحات الميدانية.

المسح ثلاثي الأبعاد لدقة أعلى

يوفر المسح الليزري والتصوير المساحي دقة أعلى من الأساليب القائمة على الصور، لكنه يتطلب معدات أكثر ووقت معالجة أطول. يمكن مقارنة المسح الليزري الأسبوعي لطابق بناء مع نموذج معلومات البناء (BIM) لتحديد العناصر التي تم تركيبها بالضبط، أو تركيبها جزئياً، أو لم تبدأ بعد.

يقارن الذكاء الاصطناعي السحابة النقطية للمسح مع نموذج التصميم ويحسب نسب التركيب لكل نظام في المبنى. الهيكل الفولاذي مكتمل بنسبة 94%، مجاري التهوية الميكانيكية مكتملة بنسبة 67%، القنوات الكهربائية مكتملة بنسبة 52%. هذه الأرقام مبنية على القياس المادي وليس التقدير، مما يجعلها أكثر قابلية للدفاع عنها في نزاعات الدفع المرحلي وأكثر موثوقية للتنبؤ بالجدول الزمني.

المقايضة هي التكلفة والجهد. يتطلب المسح الليزري الأسبوعي في مشروع كبير إما فني مسح مخصص أو عقد خدمة، بتكلفة تتراوح عادة بين 2,000 و5,000 دولار لكل مسح حسب حجم المشروع. بالنسبة للمشاريع التي تتجاوز 20 مليون دولار، يمكن تبرير هذه التكلفة بسهولة من خلال الدقة المحسنة لتتبع التقدم وتأثيراتها اللاحقة على إدارة التدفق النقدي.

دمج بيانات المواد والعمالة

يصبح تتبع التقدم بالذكاء الاصطناعي أكثر دقة عندما يجمع بين البيانات المرئية وسجلات المواد والعمالة. إذا أظهر سجل التوريد أن 80% من مجاري الهواء المحددة قد تم توريدها إلى الموقع، وأظهر تحليل الصور أن 60% يبدو أنها مركبة، يمكن للنظام أن يستنتج أن 20% موجودة في الموقع لكنها لم تُركب بعد. هذا يمنح فريق المشروع صورة أكثر تفصيلاً مما يوفره أي مصدر بيانات بمفرده.

يوفر تتبع ساعات العمل نقطة معايرة أخرى. إذا كان المقاول الميكانيكي من الباطن قد استهلك 70% من ساعات العمل المخصصة في الميزانية لكن التحليل المرئي يظهر تقدماً في التركيب بنسبة 55%، فإن الإنتاجية أقل من المخطط ومن المرجح أن يتجاوز النشاط ميزانية العمالة. هذا التحديد المبكر يسمح بالتدخل قبل أن يصبح التجاوز حاداً.

يجد المقاولون الذين يتبنون تتبع مشاريع البناء القائم على الذكاء الاصطناعي أن دمج مصادر البيانات المتعددة هو ما يجعل تقارير التقدم جديرة بالثقة. لا يوجد مصدر واحد مثالي، لكن تقارب البيانات المرئية والمادية وبيانات العمالة يخلق صورة تقدم أكثر دقة بشكل ملحوظ من أي طريقة يدوية.

التأثير على طلبات الدفع

تُعد طلبات الدفع المرحلية من أكثر الجوانب إثارة للجدل في إدارة مشاريع البناء. يريد المقاولون من الباطن إصدار فواتير بأكبر قدر ممكن من الأعمال المنجزة للحفاظ على التدفق النقدي. يريد المقاولون العامون التأكد من أنهم لا يدفعون أكثر من التقدم الفعلي. يريد المالكون ضماناً بأن التقدم المُبلغ عنه يبرر الدفعة المطلوبة.

توفر بيانات التقدم المُتحقق منها بالذكاء الاصطناعي نقطة مرجعية محايدة لهذه المناقشات. عندما يقول طلب الدفع أن الإنجاز 72% والتقدم المقاس بالذكاء الاصطناعي يظهر 68%، فإن فجوة الـ 4 نقاط صغيرة بما يكفي لتعكس اختلافات مشروعة في منهجية القياس. عندما يقول طلب الدفع 72% والذكاء الاصطناعي يظهر 54%، هناك تباين كبير يستدعي النقاش قبل الموافقة على الدفع.

أفاد العديد من المقاولين العامين أن تتبع التقدم بالذكاء الاصطناعي قلل نزاعات طلبات الدفع بنسبة 30 إلى 40% لأن كلا الطرفين يعمل من بيانات أكثر موضوعية. لا يزال للمشرف دور في تفسير الأرقام ومراعاة الأعمال التي قد لا يلتقطها الذكاء الاصطناعي بالكامل، مثل أنشطة الاختبار والتشغيل التي لا تكون ظاهرة بصرياً. لكن القياس الأساسي أصبح أكثر موثوقية.

التطبيق العملي

أبسط نقطة دخول لتتبع التقدم بالذكاء الاصطناعي هي التوثيق المنظم بالصور. كثير من المقاولين يلتقطون بالفعل صوراً يومية لأغراض التوثيق. إضافة هيكلية لتلك الصور، من مسارات محددة وزوايا ثابتة وجداول منتظمة، يجعلها قابلة للاستخدام في تحليل الذكاء الاصطناعي بأقل جهد إضافي.

الأساليب الأكثر تقدماً، كالمسح الليزري ودمج أجهزة إنترنت الأشياء، تكون منطقية للمشاريع الأكبر حيث تتناسب التكلفة مع قيمة المشروع وتحسين الدقة له تأثير مالي ملموس. مشروع تجهيز مستأجر بقيمة 5 ملايين دولار على الأرجح لا يبرر المسح الليزري الأسبوعي. مستشفى بقيمة 100 مليون دولار يبرره بالتأكيد تقريباً.

يتطلب الانتقال من تتبع التقدم اليدوي إلى المدعوم بالذكاء الاصطناعي أيضاً تحولاً ثقافياً. المشرفون الذين أمضوا حياتهم المهنية في تقدير التقدم بناءً على الخبرة والحكم يحتاجون إلى الثقة بالقياسات المبنية على البيانات وتعلم العمل جنباً إلى جنب معها. أنجح التطبيقات تقدم الذكاء الاصطناعي كأداة تدعم حكم المشرف بدلاً من أن تحل محله. المشرف لا يزال يوفر السياق والتفسير. والذكاء الاصطناعي يوفر خط الأساس للقياس.