AI tar fram förslagen – men hantverkarna har sista ordet
AI gör förarbetet – men hantverkarna behåller alltid sista ordet.
Når byggbranschen sin AI-mognad?
Det pratas mycket om AI-revolution. Ofta lite väl mycket. Men ibland dyker det upp ett konkret exempel som faktiskt visar hur en bransch kan ta ett genomtänkt steg framåt – utan att vare sig överdriva möjligheterna eller gräva ned sig i rädsla.
Det amerikanska ingenjörs- och byggföretaget Burns & McDonnell är ett sådant exempel. Enligt Construction Dive har företaget infört ett arbetssätt där erfarna hantverkare aktivt granskar och utvärderar AI-genererade förslag under förkonstruktions- och kalkyleringsfasen. Det låter kanske enkelt, till och med självklart. Men det är just i den enkelheten styrkan ligger.
Kalkylering är mer än siffror
Förkonstruktionsfasen – alltså det skede där man planerar, dimensionerar och prissätter ett projekt innan spaden ens har satt i marken – är kritisk. Fel i det här skedet kostar inte bara pengar. De skapar kedjereaktioner av förseningar, omarbetningar och förtroendeförlust hos beställare.
Brett Poulos, nationell chef för förkonstruktion och kalkylering på Burns & McDonnell, sätter fingret på något viktigt: yrkesfolk med praktisk erfarenhet från byggarbetsplatser besitter en unik förmåga att bedöma när AI-systemens förslag är rimliga och när de bör ifrågasättas. Det handlar om en tyst kunskap som inte går att komprimera till ett träningsdatamaterial. En erfaren rörmokare vet att ett visst rörupplägg ser korrekt ut på ritningen men är en mardröm att installera bakom en befintlig betongvägg. AI:n ser geometrin. Hantverkaren ser verkligheten.
Mänsklig tillsyn som strategisk fördel
Det som Burns & McDonnell gör är egentligen att formalisera något som de klokaste organisationerna alltid har gjort med nya verktyg: de inför strukturerad mänsklig tillsyn som en del av arbetsflödet, inte som en eftertanke.
Detta är en distinktion som jag tycker är avgörande. Alltför många företag inför AI-verktyg med inställningen att tekniken ska ersätta ett moment. Burns & McDonnell gör tvärtom – de ser AI som ett första utkast, en produktiv kollega som aldrig är trött och alltid levererar i tid, men som behöver en erfaren mentor som kan hålla i handledningen.
Den modellen är inte ett tecken på svaghet eller bristande tilltro till tekniken. Det är ett tecken på mognad.
En bransch med historiskt låg digitalisering
Byggbranschen har länge legat efter när det gäller digital transformation. Produktivitetsutvecklingen har under decennier varit svag jämfört med tillverknings- och tjänstesektorn. Fragmenterade leverantörskedjor, platsspecifika förutsättningar och en stark hantverkstradition har gjort det svårt att standardisera och automatisera.
Det gör att AI-tillämpningar i byggbranschen inte kan importeras rakt av från exempelvis finanssektorn eller detaljhandeln. Kontexten är annorlunda. Varje projekt är i viss mån unikt. Det är just därför modellen som Burns & McDonnell presenterar är så intressant – den tar hänsyn till branschens karaktär istället för att försöka pressa in en generisk lösning.
Vad betyder det för svenska byggföretag?
I Sverige brottas byggbranschen med liknande utmaningar: kostnadsöverskridanden, kompetensbrist och press på att leverera mer hållbart och effektivt. Stora aktörer som Skanska, NCC och Peab har alla påbörjat sina digitala resor, men den praktiska AI-tillämpningen i tidiga projektskeden är fortfarande i sin linda.
Den modell Burns & McDonnell tillämpar borde vara obligatorisk läsning för svenska byggchefer. Inte för att kopiera rakt av, utan för att hämta inspiration till ett pragmatiskt förhållningssätt: börja med de faser där felen är dyrast, involvera de med störst praktisk kunskap, och bygg tillit till tekniken steg för steg.
Det är inte en revolution. Det är klokt affärsmannaskap.
Vår analys
Det Burns & McDonnell gör är mer strategiskt viktigt än det kanske ser ut vid första anblick. De etablerar ett arbetssätt – inte bara ett verktyg. Och det är skillnaden mellan ett pilotprojekt som rinner ut i sanden och en förändring som faktiskt sitter.
När erfarna hantverkare ges en formell roll i att granska AI-förslag skapas två saker samtidigt: kvalitetssäkring i det korta perspektivet, och återkoppling som på sikt kan förbättra AI-systemen. Hantverkarna lär sig lita på tekniken där den fungerar. Tekniken lär sig av de korrigeringar som görs.
På lite längre sikt tror jag att vi kommer se fler branscher med komplex fältverksamhet – bygg, energi, infrastruktur – adoptera just denna hybridmodell. Den mänskliga tillsynen är inte ett hinder för AI-adoption. Den är förutsättningen för att AI-adoptionen ska ge bestående resultat. Det är en insikt värd att ta med sig.