Co właściwie robisz? Kiedy organizacja Women in BIM zadała to proste pytanie 461 profesjonalistom w 47 krajach, uzyskane odpowiedzi ujawniły coś niepokojącego.
Na całym świecie w działach BIM panuje cichy kryzys tożsamości, który zaczął się na długo przed pojawieniem się sztucznej inteligencji. AI nie tworzy tej słabości – ona ją obnaża. Automatyzacji ulegnie cała praca, która jest oparta na regułach, a nie na subiektywnej ocenie.
Aby przetrwać i się rozwijać, musisz skupić się na swoich fundamentach informacyjnych, rozwijać krytyczne myślenie i w ten sposób zabezpieczyć swoją wartość.
Poprzez Globalne Badanie Pracy Women in BIM z 2024 roku zadaliśmy 461 profesjonalistom z 47 krajów z branży AEC proste pytanie: Co właściwie robisz?
Uzyskane odpowiedzi ujawniły coś, czym musieliśmy się zająć:
Pojawiło się 87 różnych stanowisk (np. BIM Manager, Digital Construction Lead, Information Manager, Virtual Design Coordinator).
Wiele drastycznie różnych tytułów opisywało niemal identyczne codzienne obowiązki.
Wiele identycznych tytułów opisywało zupełnie inne prace, często z zakresami wynagrodzeń różniącymi się o dziesiątki tysięcy funtów.
Krótko mówiąc: w rolach cyfrowego budownictwa występuje fundamentalny brak jasności, spójności i sprawiedliwej wyceny kompetencji.
W obliczu wejścia AI do dyskusji, ten problem staje się pilny. Pytanie brzmi: co możemy z tym zrobić? I dlaczego jakość danych oraz EIR (Wymagania Informacyjne Zamawiającego) są tak ważne?
Ten artykuł jest wpisem gościnnym na blogu BIM Corner, napisanym przez Willow Williams.
Spis treści
Wyniki ankiety, które zmusiły nas do zastanowienia
Najpierw przyjrzyjmy się bliżej samej ankiecie. Kiedy analizowaliśmy dane, trzy rzeczy rzuciły się w oczy:
Tytuł „Menedżer” jest niekonsekwentny. Nasza ankieta wykazała, że „Menedżer BIM” był jednym z najczęstszych stanowisk, ale związane z nim obowiązki były bardzo zróżnicowane – od kierowania transformacją cyfrową po sporządzanie raportów wykrywania kolizji (clash detection). Niektórzy zarządzali zespołami liczącymi 20 osób. Inni pracowali w zupełnej samotności. Jedynym stałym elementem było samo słowo ‘BIM’.
- Doświadczenie nie jest równoznaczne z awansem. Dane uwypukliły, że nawet osoby z wykształceniem podyplomowym lub stopniem doktora często pozostają na stanowiskach technicznych, podczas gdy inni, z mniejszym stażem, szybko awansują na wyższe pozycje. Wartościowane jest coś innego niż wiedza fachowa, ale co?
- Szkolenia są nieformalne. Trzydzieści siedem procent osób nie otrzymało formalnego szkolenia do swojej obecnej roli. Spośród tych, którzy je odbyli, ponad połowa stwierdziła, że skupiało się ono głównie na obsłudze oprogramowania, a nie na metodyce, rozwiązywaniu problemów czy przywództwie. Luki wypełniane były przez YouTube, LinkedIn Learning oraz współpracowników.
Co AI faktycznie robi
Sprzedawcy oprogramowania przedstawiają sztuczną inteligencję (AI) jako narzędzie zwiększające wydajność: automatyzujące powtarzalne zadania, tak aby ludzie mogli skupić się na „pracy o wyższej wartości”.
To prawda, ale niekompletna.
Narzędzia AI, które pojawiają się obecnie u wiodących dostawców i w nowych startupach, nie służą tylko do wykrywania kolizji (clash detection) czy tworzenia rysunków. Potrafią rozpoznawać wzorce, syntetyzować informacje i podejmować podstawowe decyzje.
Zatem pytanie nie brzmi, czy AI może zautomatyzować zadania techniczne? Bo może.
Prawdziwe pytanie brzmi: jak duża część naszej codziennej pracy w BIM opiera się na zasadach, a zatem nadaje się do automatyzacji, w porównaniu do tej, która wymaga ludzkiej oceny?
Niewygodna odpowiedź: więcej, niż przyznaje większość opisów stanowisk.
Co prowadzi nas do luki kompetencyjnej, która już stwarzała problemy przed nadejściem AI i zadecyduje o tym, kto odniesie sukces, gdy AI stanie się standardem.
Luka kompetencyjna, która poprzedziła AI (i przetrwa ją)
Ponad połowa respondentów ankiety stwierdziła, że szkoli innych w ramach swoich obowiązków. Często to specjaliści techniczni, ci z najmniejszym wpływem, posiadają najbardziej aktualną wiedzę.
Szkolą menedżerów, przewodzą w adopcji oprogramowania, a mimo to znajdują się na dole skali płac.
To niedopasowanie już wcześniej powodowało nieefektywność. Wraz z AI staje się ono obciążeniem.
Prawdziwe czynniki wyróżniające to teraz:
Krytyczne myślenie. Nie sceptycyzm dla samego sceptycyzmu, lecz umiejętność zadawania właściwych pytań, ważenia kontekstu, którego AI nie posiada, i podejmowania decyzji zakorzenionych w realiach projektu.
Alfabetyzacja cyfrowa w zakresie AI (AI literacy). Nie tylko „używanie narzędzi AI”, ale rozpoznawanie, co AI może, a czego nie może wiarygodnie zrobić, wykrywanie błędnych wyników i walidowanie ich względem wymagań projektu.
W tej chwili wielu specjalistów ma problem z oceną ludzkiej pracy, nie mówiąc już o wynikach algorytmicznych. AI nie tworzy tej słabości. Ona ją obnaża.
Istnieje jeszcze inny czynnik, który decyduje o tym, czy AI pomoże, czy zaszkodzi twoim projektom, czynnik, który większość dyskusji całkowicie pomija.
O tym powinniśmy rozmawiać więcej: jakość danych
Sztuczna inteligencja (AI) jest tylko tak dobra, jak dane, na których pracuje. Jeśli informacje projektowe są niespójne, niekompletne lub źle zorganizowane, AI tego nie naprawi. Po prostu zeskaluje problemy.
Dlaczego to ma znaczenie:
Kiedy ludzie napotykają bałagan w danych, improwizują. Kiedy AI napotyka bałagan w danych, z przekonaniem dostarcza błędne odpowiedzi, które wyglądają na profesjonalnie sformatowane. Ta przepaść między „wygląda na poprawne” a „jest poprawne” jest miejscem, w którym rodzi się ryzyko.
Gdzie jakość danych zazwyczaj zawodzi:
Niespójne konwencje nazewnictwa w różnych branżach
Metadane tak niekompletne, że modeli nie da się przeszukać
Wymagania informacyjne pracodawcy (EIR) i plany realizacji BIM (BEP), które istnieją jako pliki PDF, do których nikt nie zagląda
Systemy klasyfikacji stosowane inaczej przez każdego konsultanta
Brzmi znajomo? To nie są nowe problemy. Ale wkrótce staną się kosztowne.
Dlatego najbardziej praktycznym miejscem do rozpoczęcia przygotowań na nadejście AI nie jest sama technologia. Jest nim fundament informacyjny, na którym AI będzie się opierać.
Zacznij tutaj: spraw, by Twoje EIR działało
Wymagania Wymiany Informacji (Exchange Information Requirements – EIR) nie powinny być dokumentami, które tworzysz raz i odkładasz do szuflady. Powinny stanowić żywy fundament dla sposobu strukturyzowania, walidacji i dostarczania informacji o projekcie.
Praktyczne podejście wygląda tak:
Buduj modułowo. Podziel swoje EIR na jasne, niezależne sekcje: konwencje nazewnictwa, LOIN (Level of Information Need) według etapów, wymagania dotyczące oprogramowania i plików, procedury koordynacji, kamienie milowe dostawy.
Uczyń to przeszukiwalnym za pomocą narzędzi AI. Prześlij pakiet swoich EIR do systemu wiedzy opartego na sztucznej inteligencji, w którym zespoły projektowe mogą zadawać pytania w naturalnym języku. Może to być Microsoft Copilot zintegrowany ze środowiskiem Microsoft 365, ChatGPT Enterprise lub podobne platformy AI, które Twój dział IT może bezpiecznie skonfigurować. Skonsultuj się z zespołem IT, które narzędzia AI są zatwierdzone do dokumentacji projektowej.
Zdefiniuj punkty kontrolne walidacji. Zdefiniuj nie tylko wymaganie, ale także to, jak jego zgodność jest weryfikowana na każdym etapie.
Powiąż wymagania z rolami. Nie pisz tylko: „modele mają być skoordynowane”. Określ, kto to robi, jakim narzędziem, kiedy i jak śledzone są wyniki.
Kontrola wersji z rejestrami zmian. Dokumentuj, dlaczego wymagania się zmieniają i użyj swojego systemu AI do automatycznego identyfikowania kaskadowych skutków tych zmian.
Brzmi jak dużo pracy. Ale nie musisz przebudowywać wszystkiego naraz. Oto, od czego zacząć.
Pięć działań, które możesz podjąć w tym tygodniu
Oto, co możesz zrobić natychmiast. Nie jest do tego wymagane nowe oprogramowanie.
Przeprowadź audyt jednego opracowania projektowego (deliverable). Sprawdź jeden ostatni model pod kątem swojego EIR. Udokumentuj luki między określonymi wymaganiami a tym, co faktycznie się wydarzyło.
Przeprowadź wywiad z trzema członkami zespołu. Zadaj projektantom, modelerom i koordynatorom te same pytania: Gdzie marnujesz czas na szukanie informacji? Jakie wymagania są niejasne lub sprzeczne? Jakiej dokumentacji chciałbyś/chciałabyś, żeby istniała?
Stwórz jednostronicowy „Szybki przewodnik EIR”. Wyodrębnij pięć najczęściej potrzebnych elementów. Uczyń go wizualnym. Umieść go tam, gdzie ludzie faktycznie pracują.
Przetestuj AI na swoich dokumentach. Prześlij swoje EIR i BEP (BIM Execution Plan) do CoPilot lub ChatGPT lub dowolnego narzędzia IT dostępnego w Twojej organizacji. Zadaj pytania, które zadałby Twój zespół. Zobacz, co jest poprawne, a co błędne.
Śledź swoje osądy (judgment calls) przez tydzień. Zapisuj codziennie trzy decyzje, które wymagały ludzkiego kontekstu, a nie tylko podążania za regułą.
Te działania przygotowują Cię na większą zmianę, która jest już widoczna w sposobie ewolucji karier w BIM i jak AI przyspieszy tę ewolucję.
Co to oznacza dla kariery
Zapomnij o nazwach stanowisk. Skup się na pracy, którą faktycznie wykonujesz.
Jaka jej część opiera się na zasadach, a jaka na osądzie?
Czy współpracownicy cenią głównie Twoją biegłość w obsłudze oprogramowania, czy Twoją zdolność do rozwiązywania problemów?
Czy to Ty szkolisz innych, ale masz niewielki wpływ na kształtowanie strategii?
Czy jesteś cichym egzekutorem jakości danych w swoim zespole?
Jeśli Twoja praca opiera się na zasadach, spodziewaj się, że automatyzacja dotknie Twojej roli. Jeśli opiera się na osądzie, trudniej Cię zastąpić. Jeśli dbasz o jakość danych, nadchodzi Twój moment uznania.
Nasza ankieta ujawniła regionalne różnice w wynagrodzeniach, które potęgują te wyzwania. Najwyższe pensje zgłoszono w Ameryce Północnej, podczas gdy najniższe – w Ameryce Południowej. Te dysproporcje pokazują, jak presja ekonomiczna może przyspieszyć to, gdzie faktycznie odbywa się praca w zakresie cyfrowego budownictwa.
Co nastąpi dalej
Niejednoznaczność wokół karier w BIM nie jest pobocznym tematem w kontekście AI. To główna zmienna.
To, czy AI wzmocni, czy zdestabilizuje naszą branżę, zależy od tego, jak uczciwie podejdziemy teraz do kwestii ról, umiejętności i wartości.
Możemy rozpocząć te rozmowy proaktywnie. Albo możemy czekać, aż technologia podejmie decyzje za nas.
Tak czy inaczej, wkrótce się to wyjaśni.
A kiedy to już nadejdzie, nie tylko przeobrazi BIM. Przekształci sposób, w jaki rozumiemy wiedzę ekspercką w środowisku zbudowanym.
Ten artykuł jest wpisem gościnnym na blogu BIM Corner, napisanym przez Willow Williams.
Źródła
Analiza oparta jest na wynikach ankiety Women in BIM 2024 Global Work Survey, co-authored by Dr. Jenni Barrett and Rebecca De Cicco: https://womeninbim.org/wp-content/uploads/2024/09/WIB-Global-Work-Survey-2024.pdf
