هل يستطيع ChatGPT حصر الكميات في مشاريع البناء؟

هل يستطيع ChatGPT تحليل مخطّطات البناء؟

تتعامل نماذج اللغة المستخدمة كما هي مع الصور على أنها مصفوفات مسطّحة من البكسلات، دون أن تفهم الأشكال الهندسية التي تمثّلها. فحين يرفع المستخدم ملف PDF عالي الدقّة أو مخطّطاً نقطياً (raster) إلى نافذة محادثة عادية، يحاول النظام استنتاج النصوص والتسميات من خلال أوزانه العامّة متعدّدة الوسائط. وكثيراً ما تفوته الطبقات المتّجهية (vector)، ويخطئ في قراءة المقاييس المعمارية، ويخلط بين ملاحظات مستقلّة في المخطّط. أما حصر الكميات في مشاريع البناء فيتطلّب تحديد خطوط الحدود بدقّة المليمتر، والطبقات الإنشائية، والإحالات المرجعية بين الصفحات المتعدّدة، وهي أمور لا تستطيع الأوامر النصية (prompts) العامّة في نوافذ المحادثة تحليلها على نحو موثوق.

ولمعالجة ملفات المناقصات على نحو صحيح، تحتاج الفرق إلى مسارات رؤية حاسوبية مخصّصة تقترن بأدوات متخصّصة لاستخراج بيانات المستندات. ونتحقّق من مسارات استخراج المخطّطات والجداول على مجموعة مسجّلة من ملفات مشاريعكم الحقيقية قبل إطلاقها، ونشترط أن يطابق كل حقل مخطّط بيانات محدّداً مسبقاً. وحين تُعزل كتل الجداول ومعلومات عنوان المخطّط والمناطق الهندسية في طبقات حتمية، تحوّل البرمجيات بيانات المخطّطات إلى سجلّات جدولية منظّمة بدل ملخّصات سردية تقريبية.

وبدل التعامل مع لوحة المخطّط كاملةً على أنها محادثة مفتوحة، يجزّئ سير العمل الهندسي المخصّص الخطوط المتّجهية، ويقرأ جداول المخطّط، ويطابق الإشارات التوضيحية (callouts) مع المواصفات. ويمنع هذا الأسلوب النموذج من توليد أبعاد تبدو معقولة حيث تتداخل الخطوط، أو حيث تستخدم مفاتيح الرموز في المخطّط اختصارات خاصّة بالشركة.

هل يصلح ChatGPT لتقدير تكاليف مشاريع البناء؟

يتطلّب تقدير تكاليف البناء دقّة مالية مطلقة، في حين تُعطي روبوتات المحادثة المعتادة الأولوية لتوليد نصوص تبدو معقولة. فحين تصادف النماذج التي لا تستند إلى بيانات مرجعية رموز مواد غير مدرجة أو مواصفات ملتبسة في المخطّطات، فإنها تختلق أسعاراً وكميات قابلة للتصديق بدل أن تنبّه إلى السجلّات الناقصة. واستخدام أدوات الذكاء الاصطناعي الاستهلاكية وحدها في العطاءات التجارية يعرّض المقاولين لتآكل حادّ في هوامش الربح، بسبب أخطاء متراكمة تمرّ دون أن يكتشفها أحد.

ويجب أن تطابق كل قيمة تكتبها أتمتة تقدير التكاليف بالذكاء الاصطناعي لدينا بياناتكم الرئيسية، وأن ترتبط بالمستند الذي جاءت منه، فيما تُحال البنود العالقة مباشرةً إلى مراجع بشري. وبهذا الفحص الحتمي لا تختلق الخوارزمية أبداً سعر عمالة أو مخصّص مواد أو نسبة هامش ربح. وينبّه النظام كبار مهندسي التسعير إلى أوجه التباين، فينشئ قائمة مراجعة منظّمة بدل تنفيذ تخمينات آلية.

ويمكن للمقاولين الذين يبحثون عن خلفية تقنية أعمق عن أدوات العطاءات المخصّصة مراجعة أدلّتنا في برمجيات التشطيبات الداخلية المخصّصة، للاطّلاع على الطريقة التي ينظّم بها مقاولو الأعمال التخصّصية بنود التسعير. وحين تتكامل برمجيات تقدير التكاليف مباشرةً مع مكتبات الأسعار التجارية، تعمل فرق التسعير بسرعة أكبر، مع احتفاظها بالسيطرة الكاملة على كل سعر عطاء تقدّمه.

كيف تتعامل المؤسّسات الكبرى مع البيانات التشغيلية غير المنظّمة بالذكاء الاصطناعي؟

لا تسمح المؤسّسات الكبرى التي تنجح في تشغيل النماذج التوليدية لواجهات المحادثة بالكتابة مباشرةً في قواعد البيانات التشغيلية دون رقابة صارمة، بل تضع الذكاء الاصطناعي في موقع محرّك استخراج تحيط به قواعد التحقّق وسجلّات التدقيق ونقاط المراجعة البشرية.

وعلى المنوال نفسه، يفيد الفريق الهندسي في Uber بأن قراءة فواتير المورّدين بالذكاء الاصطناعي التوليدي خفّضت متوسّط وقت معالجة الفاتورة بنسبة 70 في المئة. وتفيد Uber بأن الدقّة الإجمالية لنظامها في استخراج بيانات الفواتير بالذكاء الاصطناعي التوليدي بلغت 90 في المئة، في مستندات بأكثر من 25 لغة. ويحيل نظام الفواتير في Uber كل عملية استخراج إلى موظف لمراجعتها قبل ترحيلها إلى نظام ERP، وهو ما يثبت أن العمليات كبيرة الحجم تحافظ على سلامتها المالية بإبقاء مهندسي التسعير والمحاسبين من البشر ضمن دائرة الاعتماد.

وفي نموذج التقدير لدينا، نشترط اعتماد موظف لكل عملية شراء تخرج عن السياسة المعمول بها، وتنتقل إليكم ملكية الشيفرة المصدرية كاملةً عند التسليم. ويُبقي هذا الهيكل لقادة الفرق الهندسية والتجارية لديكم الكلمة الأخيرة في اعتماد كل سعر يُحتسب آلياً وكل انحراف في المشتريات.

أين يحقّق الحصر الآلي للكميات عائده أولاً؟

تحقّق أتمتة مهام حصر الكميات وتقدير التكاليف عائدها بأسرع ما يكون حين تتبع ملفات المناقصات الواردة أعرافاً قياسية في إعداد المستندات، إلا أن الإدخال اليدوي للبيانات يستنزف ساعات العمل الهندسي. ففي سير العمل التجاري المعتاد، تُستهلك ساعات في نقل جداول الأبواب، وجداول ملحقات الأبواب المعدنية (ironmongery)، وقوائم الأدوات الصحية، وأعداد تجهيزات الأعمال الكهروميكانيكية (MEP) من الملاحظات الجدولية في المخطّطات إلى جداول بيانات التسعير.

أما مسار الاستخراج الذي يعمل بالذكاء الاصطناعي ويركّز على هذه المهمّة، فيقرأ هذه الجداول المنظّمة، ويعزل بيانات أعمدتها، ويطابق البنود مباشرةً مع قوائم أسعار المورّدين. وحين يظهر رمز ملتبس، ترفض أنظمة الذكاء الاصطناعي التوليدي التي نطوّرها أي قيمة لا مصدر لها أو تحيلها إلى موظف. وتُلغي هذه الأتمتة أعمال الإدخال المكتبية المتكرّرة، فيتفرّغ مهندسو التسعير لتحليل المخاطر والتفاوض مع المورّدين والتأكّد من تغطية الأعمال بمقاولي الباطن.

وإن كانت اختناقات حصر الكميات لديكم تنبع من حزم أعمال فريدة متعدّدة التخصّصات أو من سجلّات مخطّطات خاصّة بشركتكم، فاحجزوا مكالمة تمهيدية مجانية، وسنقيّم معكم المواضع التي تخفّف فيها الأتمتة العبء التشغيلي فوراً.

كيف يُستخدم ChatGPT في تقدير تكاليف البناء؟

يتطلّب توظيف الذكاء الاصطناعي في تقدير تكاليف البناء تحويل جداول المناقصات ومواصفاتها غير المنظّمة إلى بنود عطاء منظّمة. فبدل توجيه الأوامر النصية إلى روبوت محادثة عامّ، تدمج الشركات نماذج تعلّم الآلة في سير عمل خاصّ ببياناتها يربط المخطّطات والمواصفات وقوالب جداول الكميات (BOQ).

وتُختبر نماذج الاستخراج في هذا النهج على مخطّطات مشاريع سابقة، للتحقّق من أن قياسات المساحات وأعداد المواد وأوصاف البنود تطابق العطاءات التي قُدّمت فعلاً، قبل أي تشغيل فعلي.

وللفرق التي تحتاج إلى معالجة ذكية لمستندات المناقصات، يقدّم فريقنا خدمة تطوير وكلاء الذكاء الاصطناعي المصمّمة للاستعلام عن المستندات الداخلية بأمان. وإن كان فريق العطاءات لديكم يقضي أمسياته في نقل الجداول من المخطّطات النقطية، فاحجزوا مكالمة تمهيدية مجانية لنراجع معكم كيف يتعامل مسار معالجة مخصّص مع سجلّات المخطّطات لديكم.

ما الذي تعنيه التشريعات المحلية للبيانات لأنظمة حصر الكميات؟

تحتوي ملفات المناقصات في مشاريع البناء التجارية على أسعار حسّاسة لمقاولي الباطن، وجداول هوامش الربح، وملفات المشاريع التجارية. وتتطلّب إدارة هذه الملفات لدى الشركات العاملة في المنطقة الامتثال لمعايير خصوصية البيانات الوطنية منذ التصميم الأول لبنية النظام. ونتعامل مع البيانات الشخصية استناداً إلى قانون حماية البيانات الشخصية الإماراتي (PDPL) منذ مرحلة تصميم البنية.

وتتعامل منصّات تقدير التكاليف مع سجلّات الهوية، والشهادات المهنية للمهندسين، وتواقيع اعتماد المديرين التجاريين، وكلّها تخضع لقواعد الخصوصية هذه. وحين لا يجوز أن تغادر البيانات الدولة أو شبكة العميل، نستضيف النظام داخل الإمارات أو على خوادم العميل. وتمنع الاستضافة المحلية انتقال أسعار المناقصات الخاصّة بالشركة ومستنداتها الهندسية عبر الحدود إلى وحدات التخزين السحابية العامّة التابعة للنماذج متعدّدة الوسائط.

ولحماية ملفات العطاءات التجارية من الانكشاف، نكتب متطلبات الأمان في وثيقة المواصفات قبل بدء التطوير، وتُشفَّر البيانات في الأنظمة التي نطوّرها أثناء التخزين وأثناء النقل. ونُجري اختبار اختراق قبل الإطلاق بعمق يتناسب مع مستوى المخاطر في النظام. ونتّفق مسبقاً على المدّة التي يجب أن يعود خلالها النظام إلى العمل بعد أي عطل، وعلى حجم البيانات الحديثة التي يمكن للعميل تحمّل فقدانها. ونحن فريق محلّي مقرّه دبي، ونعمل بالعربية والإنجليزية.

كيف نطوّر أنظمة حصر كميات موثوقة ونختبرها؟

تفشل أنظمة تقدير التكاليف حين تشغّل الفرق نماذج لم يُقَس أداؤها فتختلق الأبعاد. وحرصاً على استقرار النظام في التشغيل الفعلي، نحدّد النموذج اللغوي الأفضل أداءً بإجراء فحوص دقّة تجريبية على مستنداتكم أنتم قبل إطلاق أي ميزة. ونعيد الاختبار على مجموعة الحالات المسجّلة كلّما تغيّر الأمر النصي أو النموذج أو البيانات في أي نظام للذكاء الاصطناعي التوليدي.

ويجب أن تجتاز كل قيمة تكتبها الأتمتة بالذكاء الاصطناعي ثلاثة فحوص قبل حفظها: مخطّط بيانات ثابت يُطابَق مع بياناتكم الرئيسية، وإحالة إلى المستند المصدر، وتطابق القيمة في جميع المستندات التي تتكرّر فيها. وكل ما يخفق في أحد هذه الفحوص يُحال إلى موظف لمراجعته. ويُبقي التحقّق اليدوي الحالات الاستثنائية والبنود الملتبسة تحت سيطرة البشر.

ونقيس الدقّة على مجموعة اختبار مسجّلة من مستنداتكم الحقيقية قبل أن تقبلوا العمل. ونحفظ النسخ الاحتياطية في موقع منفصل، ونختبر استعادة كاملة للنظام قبل التشغيل الفعلي. وإذا تعذّر الوصول إلى خدمة ذكاء اصطناعي يستند إليها النظام، تُحفظ المهام بأمان في قائمة انتظار، ويواصل الفريق العمل يدوياً. وحيث لا يبلغ النموذج العامّ الدقّة الكافية، نُجري ضبطاً دقيقاً (fine-tuning) على موادّكم أنتم.

كم يستغرق تنفيذ أتمتة حصر الكميات بالذكاء الاصطناعي؟

نخطّط عادةً لأن تستغرق أتمتة أعمال المكتب الخلفي بالذكاء الاصطناعي من 8 إلى 12 أسبوعاً بدءاً من الانطلاق، ونجمع عادةً من 100 إلى 300 مستند في مجموعة الاختبار المسجّلة.

وخلال دورات التطوير اللاحقة، يربط مهندسونا أدوات مخصّصة لتحليل الصور والنصوص بقواعد بيانات التكاليف لديكم وقوالب جداول الكميات. وتُشغَّل الإصدارات العاملة على ملفات مناقصات سابقة كل بضعة أسابيع، ليتمكّن كبار مهندسي التسعير من مقارنة القيم المستخرجة بالسجلّات التاريخية.

وعند التسليم، يتسلّم العميل الشيفرة المصدرية والوثائق الفنية والاختبارات وكل بيانات الدخول. فلا ارتهان للمورّد (Vendor Lock-in)، ويمكن للعميل الاستعانة بفريق آخر لاحقاً، بما يمنح شركتكم استقلالية كاملة وسيطرة تامّة على أصولها التقنية.

يندرج هذا المقال ضمن عملنا في تطوير وكلاء الذكاء الاصطناعي، ويعكس منهجية التخطيط التي تقوم عليها طريقة عملنا.

أبرز النقاط

• لا تستطيع أدوات المحادثة المستقلّة قياس الأشكال الهندسية في المخطّطات أو مقاييس طبقاتها على نحو موثوق.
• تحتاج أنظمة الحصر الآلي للكميات إلى مسارات رؤية حاسوبية تقترن بمخطّطات بيانات صارمة في قاعدة البيانات.
• يجب أن يرتبط كل رقم مستخرج بالمخطّط الذي جاء منه، وأن يُطابَق مع أسعار الكتالوج الرئيسي.
• يجب أن تُحال البنود التي لا تجد ما يطابقها والأسعار الخارجة عن السياسة المعمول بها إلى مهندسي التسعير لاعتمادها.
• يُقاس أداء الأنظمة قبل تشغيلها الفعلي على مستندات مناقصات حقيقية من مشاريع سابقة.

المصادر

1. كيف تستخدم C.H. Robinson وكلاء الذكاء الاصطناعي في طلبات الشحن وعروض الأسعار الواردة بالبريد الإلكتروني (chrobinson.com)
2. كيف تعالج Uber فواتير المورّدين بالذكاء الاصطناعي التوليدي (uber.com)