Come l'IA legge i progetti architettonici e genera i computi dei materiali
Un set di tavole architettoniche per un edificio commerciale di 50.000 piedi quadrati può comprendere da 80 a 120 fogli. All'interno di quei fogli si trovano abachi porte, tipologie di finestre, abachi finiture, piante dei controsoffitti, dettagli degli arredi fissi e centinaia di altri elementi che devono essere quantificati prima che chiunque possa produrre un preventivo significativo. L'estrazione manuale di tutte quelle quantità richiede un'intera giornata di lavoro per un estimatore esperto, a volte due giorni per progetti complessi.
Come funziona l'IA per la lettura dei progetti
La lettura dei progetti tramite IA inizia con la classificazione dei documenti. Il software identifica quali fogli sono piante, quali sono prospetti, quali sono dettagli e quali sono abachi. Questo è importante perché lo stesso elemento, una porta ad esempio, appare in modo diverso su una pianta (un simbolo con un numero), su un abaco (una riga con le specifiche) e su un dettaglio (una sezione che mostra telaio e ferramenta). L'IA deve collegare tutte e tre le rappresentazioni per produrre un computo accurato.
L'analisi della pianta utilizza la visione artificiale per identificare gli elementi architettonici attraverso i loro simboli e annotazioni. Le porte vengono contate e classificate in base al loro riferimento nell'abaco. Le finestre vengono identificate per dimensione e designazione del tipo. I perimetri degli ambienti vengono tracciati per calcolare le superfici dei pavimenti, le lunghezze delle pareti e le superfici dei soffitti. L'IA legge le annotazioni testuali per collegare ogni elemento alla sua specifica negli abachi.
Un servizio nazionale di stima ha testato tre strumenti di lettura progetti tramite IA su 25 progetti commerciali con quantità note. Lo strumento con le migliori prestazioni ha raggiunto il 94% di accuratezza nel conteggio e nella tipologia delle porte, il 91% nell'identificazione delle finestre, il 96% nei calcoli delle superfici degli ambienti e l'88% nell'estrazione delle quantità delle finiture. Le aree più deboli erano le piante dei controsoffitti complesse con molteplici variazioni di altezza e gli elementi architettonici speciali come pareti curve o falegnameria su misura.
Generazione del computo dei materiali
Una volta che l'IA ha identificato e contato tutti gli elementi architettonici, genera le quantità dei materiali. Le porte diventano telai, set di ferramenta e ante con finiture specificate. Le finestre diventano unità con relative quantità di scossaline, sigillante e finiture interne. Le finiture degli ambienti diventano metrature di pittura, piastrelle, moquette o qualsiasi altra finitura specificata nell'abaco.
I calcoli di moltiplicazione ed estensione sono il punto in cui l'IA elimina una fonte comune di errore umano. Un estimatore che conta 47 porte di Tipo A e poi calcola manualmente la ferramenta associata, le guarnizioni e le quantità di finitura ha molteplici opportunità di commettere errori aritmetici o di trascrizione. L'IA esegue queste estensioni istantaneamente e in modo coerente.
Un'impresa generale a Portland ha confrontato i propri computi dei materiali generati dall'IA con il processo manuale su 10 progetti di gara contemporanei. Il computo tramite IA ha richiesto in media 35 minuti di tempo di elaborazione più 3 ore di revisione dell'estimatore. Il computo manuale ha richiesto in media 14 ore. I computi tramite IA hanno individuato in media 6 voci per progetto che il processo manuale aveva tralasciato, tipicamente elementi come pannelli di ispezione, coprigiunti di dilatazione e ferramenta speciale specificati nei disegni ma facili da trascurare durante il conteggio manuale.
Il problema del riferimento incrociato con gli abachi
Gli abachi architettonici sono la spina dorsale dei computi accurati e sono anche il punto in cui gli strumenti di IA hanno le prestazioni più variabili. Un abaco porte ben formattato con colonne coerenti e designazioni di tipo chiare è facile da analizzare per l'IA. Un abaco porte che utilizza abbreviazioni in modo incoerente, si estende su più fogli o include revisioni scritte a mano è molto più difficile.
Gli abachi finiture presentano sfide simili. Quando l'architetto utilizza un formato standard con numeri degli ambienti che corrispondono chiaramente alle annotazioni della pianta, l'accuratezza dell'IA sulle quantità delle finiture supera il 90%. Quando i numeri degli ambienti nell'abaco finiture non corrispondono esattamente alle annotazioni della pianta, o quando le specifiche delle finiture sono incorporate nelle note anziché in un abaco formale, l'accuratezza scende al 75-80%.
L'implicazione pratica è che la lettura dei progetti tramite IA funziona meglio su progetti di architetti che producono documenti puliti e ben organizzati. I progetti di studi con pratiche di disegno meno standardizzate richiedono più tempo di revisione umana, anche se l'IA fornisce comunque un utile punto di partenza.
Integrazione con i database dei costi
Il computo grezzo delle quantità diventa più prezioso quando collegato ai dati di costo. Alcuni strumenti di lettura progetti tramite IA si integrano con RSMeans o con database di costi specifici dell'impresa per generare stime preliminari dei costi insieme alle quantità. Questo trasforma un computo dei materiali in una stima dell'ordine di grandezza in pochi minuti dalla ricezione dei progetti.
Per le imprese che utilizzano strumenti di IA nel loro flusso di lavoro di stima per l'edilizia, questa capacità di stima rapida dell'ordine di grandezza cambia il modo in cui valutano le opportunità di gara. Invece di dedicare un'intera giornata al computo solo per scoprire che il progetto è al di fuori del loro budget target, possono ottenere una stima dell'ordine di grandezza in meno di un'ora e prendere una decisione più rapida sul procedere o meno.
Le stime dei costi in questa fase sono approssimative, tipicamente entro il 15-20% dei numeri finali dell'offerta. Non sono sufficientemente precise per un'offerta effettiva, ma sono abbastanza precise per lo screening delle opportunità. Un'impresa che presenta offerte per 1 progetto su 5 tra quelli esaminati può utilizzare le stime dell'ordine di grandezza generate dall'IA per valutare le opportunità più rapidamente e potenzialmente aumentare il volume delle offerte senza aggiungere personale di stima.
Gestione delle revisioni e degli addenda
Una capacità sottovalutata della lettura dei progetti tramite IA è il tracciamento delle revisioni. Quando arriva un addendum con fogli revisionati, l'IA può confrontare i nuovi fogli con gli originali e identificare cosa è cambiato. Porte aggiunte, pareti riposizionate, finiture modificate e altre revisioni vengono segnalate automaticamente.
Questo è prezioso perché la revisione degli addenda è una delle attività più soggette a errori nel processo di gara. Gli addenda arrivano tardi, spesso 2-3 giorni prima del giorno della gara, e l'estimatore deve identificare rapidamente tutte le modifiche e adeguare le quantità. Tralasciare una modifica in un addendum è una fonte comune di errori nelle offerte. Il tracciamento delle revisioni assistito dall'IA riduce significativamente questo rischio.
Limitazioni attuali
La lettura dei progetti tramite IA è ancora in fase di sviluppo in diverse aree. Le piante di fasatura, dove lo stesso spazio viene realizzato in fasi successive con finiture o configurazioni diverse per ogni fase, confondono la maggior parte degli strumenti di IA. I progetti di ristrutturazione, dove le condizioni esistenti e i nuovi lavori sono mostrati sugli stessi fogli, richiedono che l'IA distingua tra elementi esistenti da mantenere e nuovi elementi, il che non è sempre affidabile.
Anche le relazioni spaziali tridimensionali rimangono impegnative. L'IA lavora principalmente da viste in pianta 2D e, sebbene possa leggere informazioni da sezioni e prospetti, non sempre risolve correttamente i conflitti tra ciò che mostra una pianta e ciò che mostra una sezione attraverso la stessa area. Gli estimatori esperti individuano queste discrepanze grazie alla loro comprensione di come gli edifici vengono costruiti. Gli strumenti di IA stanno migliorando in questo ambito ma non sono ancora completamente all'altezza.
Anche con queste limitazioni, la lettura dei progetti tramite IA rappresenta un miglioramento significativo della produttività per il computo delle quantità architettoniche. La tecnologia gestisce bene il lavoro ripetitivo di conteggio ed estrazione, liberando gli estimatori per concentrarsi sugli aspetti della stima che richiedono giudizio, dove la loro esperienza aggiunge il maggior valore.