BUDOWNICTWO PRZYSZŁOŚCI
Rola AI w inwestycjach
Optymalna realizacja inwestycji budowlanych stała się obecnie przedsięwzięciem na granicy możliwości organizacyjnych. Projektowanie zintegrowane, koordynacja wielobranżowa, dynamicznie zmieniające się przepisy, interpretacje urzędowe, wytyczne gestorów mediów i zarządców dróg, rosnące wymagania środowiskowe – wszystko to coraz częściej prowadzi do wydłużenia procedur administracyjnych i samego procesu budowy.
Na naszych oczach dokonuje się kolejna rewolucja technologiczna. Sztuczna inteligencja sama w sobie nie zabierze nikomu pracy, tak jak nie zabrał jej kalkulator, komputer czy internet. Wzrośnie efektywność, a przedsiębiorstwa, które dzięki AI tę samą pracę wykonają szybciej i taniej, będą bardziej konkurencyjne. AI to nie jest żadna magia i na obecnym etapie wcale nie jest taka inteligentna, jak by się wydawało. To narzędzie („odtwórcze”, a nie samodzielnie myślące) znane od ponad 70 lat, nieposiadające żadnej świadomości. Przy czym jak każde narzędzie może przynieść wymierne korzyści, ale może też wyrządzić znaczące szkody, zwłaszcza w przypadku braku zrozumienia jego działania.
Zarządy firm deweloperskich, wykonawczych, projektowych, które najszybciej podejmą właściwe decyzje w zakresie strategii wdrożenia AI, doprowadzą do wzrostu konkurencyjności. Takie decyzje jednak nie są łatwe, ponieważ mogą generować nieakceptowalne ryzyka: błędy, utratę poufności danych czy uzależnienie pracy od zewnętrznego dostawcy rozwiązań AI/IT.
Pozwolenie na budowę w dwie godziny?
W dużych polskich miastach uzyskanie pozwolenia na budowę w przypadku inwestycji mieszkaniowych trwa zwykle 2–3 lata, nierzadko dłużej. Choć przepisy przewidują 65 dni, praktyka jest od tego odległa. Brak Warszawskainfrastruktury, niespójne interpretacje regulacji, liczne uzgodnienia i braki kadrowe powodują przeciążenie urzędów oraz znaczące opóźnienia.Przełomowe rozwiązanie wprowadził Katar, który w 2025 r. uruchomił system wspierający rozpatrywanie wniosków o PnB za pomocą AI. Narzędzie analizuje dokumentację, wskazuje niezgodności, generuje wezwania do uzupełnień lub projekt decyzji. Czas procedowania skrócono z 30 dni do 120 minut. Podobne systemy można z powodzeniem rozwijać w Polsce, również w obszarze uzgodnień technicznych infrastruktury.
Narzędzia dla inwestorów i projektantów
Sztuczna inteligencja oraz automatyzacja mogą być znaczącym wsparciem wszędzie tam, gdzie procesy wymagają szybkiej pracy na dużej i dynamicznie zmieniającej się bazie danych. Najbardziej praktyczne zastosowania dotyczą dziś trzech obszarów: przygotowania dokumentacji, kontroli jakości projektów (KPI) oraz wspomagania procesu podejmowania decyzji inwestycyjnych.
Przykłady? Inwestor za pomocą LLM-ów (ang. large language model – duży model językowy) może dokonać wstępnej weryfikacji opisów technicznych projektu na zgodność ze standardami załączonymi do umowy z projektantem. W kilka sekund powstaje raport zgodności w tabeli arkusza kalkulacyjnego, zawierający na przykład: wskaźnik zbrojenia (odczytano 135 kg/m3 vs wymagany 125 kg/m3, niezgodny); sprawność budynku PUMiU/Pc (odczytano 0,60 vs wymagany 0,64; niezgodny); wskaźnik szklenia elewacji; wskaźnik ubalkonowienia. To nie są rozwiązania teoretyczne, tylko narzędzia, nad którymi pracuję z konkretnymi firmami. Można utworzyć weryfikator kart lokali, który w ciągu dziesięciu minut zweryfikuje poprawność 300 kart lokali mieszkalnych i zapisze wynik w formacie PDF. Koszt pracy samego LLM-a to nieco ponad 2 złote, zaś koszt opracowania narzędzia z interfejsem zwraca się po 2–3 zastosowaniach.
Kolejnym przykładem może być wieloagentowy system do wspomagania decyzji o zakupie nieruchomości. Istnieją aplikacje do tworzenia wstępnych analiz chłonności, a odpowiednio wytrenowane i skonfigurowane LLM-y mogą w kilka minut przeanalizować dokumenty dotyczące działki, takie jak: WZ/MPZP, koncepcje, media, infrastruktura, decyzje administracyjne, korespondencja, analiza konkurencji w okolicy. Czynności dotychczas przeprowadzane przez zespół interdyscyplinarny (inżynierowie, prawnicy, specjaliści) mogą zostać już dzisiaj wstępnie wykonane przez tego typu narzędzia. W praktyce okazuje się, że taka wirtualna dyskusja wyspecjalizowanych agentów AI przynosi lepsze efekty niż pojedynczego z wiedzą ogólną. Analiza danych może również zostać wykorzystana do wykrywania nadużyć przy przetargach budowlanych. Na rysunku 1 zaprezentowano wyniki analizy asocjacji dla wybranych 386 przetargów drogowych. Co wynika z tego wykresu? Chociażby to, że oferenci bdr_9, bdr_15 i bdr_26 wzięli udział tylko w takich przetargach, gdzie nie był obecny bdr_3. Relacje te są widoczne na wykresie, objawiają się dużymi węzłami dla trójki oferentów oraz dość grubymi liniami łączącymi węzeł każdego z nich z węzłem bdr_3=0.
Narzędzia dla wykonawców robót
W wielu firmach nadal brakuje narzędzi cyfrowych, repozytoriów danych czy standaryzacji informacji. Pomimo tego trwają prace wdrożeniowe, a już od dawna prowadzi się roboty budowlane za pomocą autonomicznych koparek, spycharek i innych maszyn.
Rysunek 2 przedstawia architekturę systemu AI służącego do zautomatyzowanej analizy ryzyk kontraktowych wykonawcy robót budowlanych. W przyszłości proces kontraktowania i budowania będzie coraz bardziej zautomatyzowany z powodu rosnących kosztów pracy i coraz niższych kosztów automatyzacji/robotyzacji.
Ograniczenia i zagrożenia: dlaczego wdrażamy AI wolniej, niż byśmy chcieli
Choć narzędzia są dojrzałe, wdrożenia w Polsce spowalniają czynniki strukturalne. Największym problemem jest brak standaryzacji danych – każdy uczestnik procesu ma własne formaty, własne obiegi dokumentacji i własne repozytoria, często lokalne i niekompatybilne. Niektórzy podwykonawcy wciąż pracują na papierze, a wielu projektantów używa oprogramowania sprzed kilkunastu lat, co utrudnia pełną integrację.
Drugą barierą jest obawa przed utratą kontroli nad procesem. Wielu decydentów obawia się utraty poufności danych, błędów, uzależnienia od zewnętrznego dostawcy technologii.
Wreszcie – pojawiają się kwestie prawne i etyczne. W projektowaniu generatywnym nadal trwają dyskusje oprawach autorskich do wygenerowanych koncepcji, a w analizie dokumentacji – o poufności danych.
Kierunki rozwoju. Co czeka branżę w kolejnych latach
Projektowanie stanie się procesem hybrydowym: AI wygeneruje wielobranżowy model budynku – architekturę, konstrukcję, instalacje, analizy energetyczne – a rolą ludzi będzie jego weryfikacja. Place budowy staną się cyfrowymi środowiskami monitorowanymi w czasie rzeczywistym. Wzrośnie udział maszyn autonomicznych, dronów inwentaryzujących oraz systemów predykcji zdarzeń. Wartością stanie się umiejętność łączenia doświadczenia eksperckiego z pracą systemów AI. Jestem przekonany, że w inwestycjach budowlanych nie trzeba czekać na roboty humanoidalne, aplikacje do projektowania ani autonomiczne place budowy. Optymalizacja pracy zaczyna się od jednego zautomatyzowanego procesu. Ten, kto zacznie działać dzisiaj, wypracuje przewagę konkurencyjną
na jutro.
dr inż. Andrzej Foremny – ekspert w dziedzinie przygotowania i realizacji inwestycji budowlanych. Specjalizuje się w budownictwie mieszkaniowym i infrastrukturalnym. Prowadzi badania naukowe i wdrożenia AI do przemysłu. Laureat nagrody MRiT za najlepszą rozprawę doktorską w dziedzinie architektury i budownictwa.
