Automatisering av BIM-arbete har i över tio år legat hos ett fåtal specialister per företag. AI förändrar det, inte genom att ta över projekteringen utan genom att göra det möjligt för fler att bygga och använda automation. Det är alltså inte främst vilka uppgifter som går att automatisera som förändras, utan vem som kan bygga lösningarna och hur snabbt de kan tas fram.
Automatisering i BIM-projekt är inte nytt. Skript, Dynamo och egna Revit-tillägg har funnits länge och gjort betydande nytta hos de team som haft någon som kunnat bygga dem.
Just där ligger begränsningen. Automationen har varit beroende av enskilda personer.
Det som förändras nu är tillgängligheten, och orsaken är AI. En språkmodell kan översätta en beskrivning i ord till fungerande kod. När en användare kan beskriva ett önskat resultat och få ett verktyg tillbaka, flyttar förmågan att bygga från specialisten till den som kan arbetsflödet.
Automationen fastnar hos den som kan bygga
Att ha en enda person som bygger automationen har fungerat så länge behoven varit få och ungefär likadana mellan projekten. Så ser det inte ut längre.
Fyra förändringar driver på:
- Antalet system som ska hantera samma projektdata ökar i varje uppdrag
- Beställarkraven på klassificering, struktur och leveransinnehåll skärps
- Kompetensen samlas hos allt färre när seniora medarbetare byter arbetsgivare
- Marginalerna tål inte att samma arbete görs om från början i varje nytt projekt
Behovet växer alltså snabbare än vad en person hinner bygga.
Det syns tydligast i fyra mönster som de flesta konsultbolag känner igen:
Kön till specialisten är längre än tiden som finns. Den som kan bygga har också ett eget uppdrag att leverera. Automation blir det som görs mellan projekten.
Lösningar följer med den som byggde dem. Ett skript utan dokumentation är en person, inte en tillgång. När personen byter jobb försvinner funktionen, ofta utan att någon märker det förrän den behövs.
Fel arbetsflöden automatiseras. De uppgifter som får en lösning är de specialisten råkar känna till, inte nödvändigtvis de som kostar mest tid i produktionen.
Utveckling tar för lång tid. En önskad funktion i ett verktyg eller en egen add-in kan kräva månader av utveckling, prioritering och testning.
Inget av det här är ett tekniskt problem. Det handlar om att förmågan att bygga varit begränsad till några få. Det är den begränsningen som nu släpper.
Vad AI faktiskt förändrar
Skiftet är inte att AI plötsligt kan projektera. Det är att steget från att formulera ett behov till att ha ett fungerande verktyg har kortats från veckor till minuter.
I praktiken innebär det till exempel att en Revit-användare kan beskriva en uppgift på svenska och få den utförd direkt i modellen. Här är några exempel på uppgifter som idag går att lösa på det sättet med AI-driven automation i Revit:
- Littrera alla garderober i utrymmen vars funktion börjar med SOVRUM
- Klassificera rum enligt CoClass i aktiv vy
- Uppdatera en parameter i samtliga familjer
- Växla synlighet för modulnät globalt i alla vymallar
Uppgifterna är medvetet små exempel. Det är i den storleken tiden försvinner, i arbete som fyller en eftermiddag, som ingen fakturerar med gott samvete och där risken för misstag växer med antalet objekt.
Den avgörande skillnaden mot tidigare automation ligger i vad som händer efteråt. När en lösning fungerar kan den sparas och delas. En person löser ett problem en gång, och kollegorna kan använda samma lösning i sitt arbete.
Därmed förändras automationens karaktär. Från enskilda skript hos enskilda personer till ett bibliotek som stannar i företaget.
Rollen förändras från att vänta till att styra
När fler kan bygga uppstår ett nytt problem, och det landar hos BIM-ansvarig.
Tidigare var frågan hur man skulle få tillgång till automation. Nu blir frågan vad som ska byggas, av vem, och enligt vilka regler.
AI gör det möjligt att demokratisera delar av utvecklingen. Att gå från en situation där ett fåtal specialister bygger lösningar åt organisationen till att fler kan identifiera behov och själva ta fram mindre verktyg och automatiseringar.
Men utan styrning uppstår det som redan hänt med mallfiler och familjer på de flesta företag: femton varianter av samma sak, ingen vet vilken som gäller, och den som frågar får olika svar beroende på vem som svarar.
Tre frågor behöver ha ett svar:
Vad får byggas och av vem? Alla behöver inte kunna bygga. De som gör det behöver veta vad som gäller och vilka krav en lösning ska uppfylla innan den delas.
Vad blir gemensamt och vad förblir personligt? En lösning som bara en person använder är fortfarande värdefull. Den ska bara inte automatiskt hamna i det gemensamma biblioteket utan att någon har granskat den.
Vem granskar innan något delas? Det som ligger i det gemensamma biblioteket kommer att användas av personer som inte själva kan bedöma om det är rätt byggt. Därför behöver det finnas en enkel process för testning, granskning och publicering.
Det som inte förändras: ansvaret för egenkontrollen
Egenkontrollen påverkas inte av att ett verktyg utfört arbetet. Signaturen är densamma och ansvaret ligger kvar hos den som granskar.
Däremot behöver granskningen läggas upp annorlunda, av ett skäl som är lätt att missa.
Ett verktyg som är fel gör samma fel överallt, samtidigt, i hela modellen. En lösning som AI genererat kan dessutom se rimlig ut och ändå vara systematiskt fel. En genomläsning av resultatet fångar inte den typen av avvikelse, eftersom allt ser konsekvent ut.
Slutsatsen blir att kontrollen behöver flyttas från resultatet till metoden. Verifiera lösningen en gång, på ett avgränsat urval, mot hur arbetet hade utförts manuellt. Först därefter körs den brett. Dokumentera vad som kördes och när, så att en avvikelse går att spåra till sin orsak i efterhand i stället för att bli en gissning ett halvår senare.
Det är också det som avgör om ett bibliotek av delade lösningar blir en tillgång eller en risk.
Förutsättningen ingen leverantör talar om
Automation på ostrukturerad data ger ostrukturerade resultat.
Om mallfilerna skiljer sig mellan projekt, om namngivningen förhandlas om varje gång och om BIM-manualen finns men inte följs, förändrar inte automatisering det. Oordningen blir densamma, fast snabbare och i större skala.
Slutsatsen är inte att vänta tills allt är i ordning. Den är att börja i det arbetsflöde där strukturen redan håller. Leveransförberedelser inför en milstolpe fungerar ofta, eftersom kraven finns nedskrivna någonstans och därför går att omsätta till regler.
Vårt råd till den som ska börja med AI är därför att ordna sin egna data först. Nyttan av verktygen avgörs av hur tillgänglig och konsekvent den är.
Så börjar ni med AI-automation i BIM-projekt
För ett konsultbolag som inte påbörjat något arbete fungerar den här ordningen bäst hos de kunder vi arbetar med.
Kartlägg var tiden går innan ni väljer verktyg. Låt några projektörer under en vecka notera vad de utför som de gjort likadant i tidigare projekt. Utan det underlaget väljs fel arbetsflöde att börja med, och det är den vanligaste orsaken till att första försöket inte ger något.
Välj ett arbetsflöde, inte en produkt. Ett flöde med tydliga krav som återkommer i varje projekt.
Utse en ägare med avsatt tid. Några timmar i veckan hos någon med reell Revit-kompetens. Ett kontor som köper licenser utan att någon har mandat att bygga upp användningen får licenser som står oanvända, och det är en dyrare erfarenhet än den behöver vara. Behöver ni stöd i det arbetet erbjuder vi på AEC en tjänst som vi kallar metodutveckling.
Vad skiftet betyder
Automation i BIM-projekt har varit en fråga om tillgång till kompetens. Den frågan är på väg att bli mindre viktig. Kvar blir två frågor som är svårare att köpa sig ur. Vet ni var tiden faktiskt går? Har ni struktur nog att låta någon annan än en människa arbeta med er data? Konsultbolag som kan svara på båda kommer att märka skillnaden i marginalen. De som inte kan det kommer att ha samma problem som tidigare, fast med fler verktyg.
Vill du identifiera vilka BIM-arbetsflöden som lämpar sig bäst för AI-driven automation? Vi på AEC hjälper dig att kartlägga, testa och införa rätt arbetsflöden.