mgr inż. Maciej Sikorski

Kosztorysowanie od dekad opiera się na manualnej analizie rysunków, tabel KNR i długich arkuszach kalkulacyjnych. Wraz z rosnącą złożonością projektów oraz presją czasową coraz trudniej jest utrzymać wysoką jakość wyceny, zwłaszcza w fazie wstępnej, gdy dane są niekompletne, a ryzyka – trudne do oszacowania.

Wprowadzenie sztucznej inteligencji (AI) ma potencjał, by znacząco zwiększyć precyzję, szybkość oraz wydajność procesu kosztorysowania. W dobie dynamicznych zmian gospodarczych, rosnących kosztów i wymagań czasowych, zastosowanie AI w kosztorysowaniu nie jest już innowacją, lecz koniecznością. Rozwój technologii cyfrowych, zwłaszcza sztucznej inteligencji, rewolucjonizuje wiele gałęzi przemysłu, w tym szczególnie obszar kosztorysowania. Wydaje się, że AI nie zastąpi kosztorysanta, ale kosztorysant korzystający z AI może zastąpić tego, który tego nie robi. W przypadku kosztorysanta, AI może zautomatyzować rutynowe czynności, takie jak zbieranie danych pochodzących z dokumentacji projektowej dla potrzeb opracowania przedmiaru czy przewidywanie kosztów na podstawie historycznych danych. Jednak praca kosztorysanta to coś więcej niż tylko liczby – to także interpretacja specyficznych warunków projektowych, ocena ryzyka, negocjacje i dostosowanie się do zmieniających się przepisów oraz wymagań klienta. Kosztorysanci, którzy będą korzystać z AI jako wsparcia, staną się bardziej efektywni i konkurencyjni.

Obecnie zastosowanie sztucznej inteligencji w kosztorysowaniu skupia się na kilku kluczowych obszarach, które w istotny sposób usprawniają i automatyzują procesy przygotowania wyceny inwestycji. Przede wszystkim AI umożliwia automatyczne generowanie przedmiarów na podstawie dokumentacji technicznej, zarówno w formatach PDF, jak i DWG, eliminując konieczność ręcznego obliczania ilości robót. Dzięki technologiom rozpoznawania obrazów i analizy przestrzennej, systemy AI potrafią identyfikować i klasyfikować elementy budowlane bezpośrednio na rysunkach projektowych, co znacząco przyspiesza proces analizy. Kolejnym istotnym zastosowaniem jest analiza danych historycznych, pozwalająca na trafniejsze prognozowanie kosztów i identyfikację typowych odchyleń budżetowych. AI wspiera również integrację z bazami danych cen materiałów i usług, zapewniając bieżący dostęp do aktualnych stawek rynkowych. Wreszcie, modele językowe umożliwiają automatyczne tworzenie kompletnej dokumentacji kosztorysowej i ofertowej, zgodnej z obowiązującymi standardami formalnymi i technicznymi.

Sztuczna inteligencja umożliwia kompleksową automatyzację procesów przedmiarowania oraz kosztorysowania, znacząco usprawniając i przyspieszając prace związane z przygotowaniem szczegółowych analiz kosztowych. Tradycyjnie, kosztorysowanie wymagało ręcznego przeglądania dokumentacji, analizy wielu danych wejściowych, dzięki AI te zadania w wielu zakresach mogą być realizowane automatycznie.

Przykładem jest wykorzystanie technologii rozpoznawania obrazów do analizy dokumentacji technicznej i projektowej. Zaawansowane systemy AI analizują rysunki techniczne, identyfikując automatycznie elementy konstrukcyjne, ich ilości, typy materiałów i wymiary, przetwarzają informacje tekstowe, wyodrębniają informacje istotne dla precyzyjnego opracowania przedmiaru oraz kosztorysu.

Algorytmy AI przeszukują bazy danych kosztów materiałów, robocizny oraz sprzętu, przypisując odpowiednie normatywy kosztowe do każdego zidentyfikowanego elementu.

Ważnym aspektem zastosowania AI w kosztorysowaniu jest zdolność do analizy i optymalizacji wielokryterialnej. AI pozwala na automatyczną ocenę wielu wariantów rozwiązań pod kątem kosztów, terminów realizacji oraz jakości materiałów i usług. Dzięki temu możliwe jest podejmowanie optymalnych decyzji już na etapie projektowania, co istotnie wpływa na późniejsze koszty eksploatacji inwestycji. AI pozwala także na optymalizację wyboru dostawców i materiałów. Systemy analizują ogromne ilości danych rynkowych. Dzięki temu możliwe jest znaczące zmniejszenie kosztów operacyjnych, ograniczenie ryzyka opóźnień i błędów związanych z ręcznym przetwarzaniem informacji.

AI wspiera także zarządzanie ryzykiem. Algorytmy analizują dane historyczne, identyfikując potencjalne zagrożenia takie jak przekroczenie budżetu czy opóźnienia czasowe. Dzięki temu menadżerowie projektów mogą szybciej reagować i skuteczniej kontrolować koszty.

Zastosowanie AI w automatyzacji kosztorysowania wymaga jednak precyzyjnego zarządzania danymi oraz inwestycji w infrastrukturę technologiczną. Kluczowe jest również odpowiednie szkolenie kadry oraz dostosowanie struktury organizacyjnej firm, aby w pełni wykorzystać potencjał tych innowacyjnych rozwiązań.

Dzięki AI, firmy są w stanie istotnie podnieść efektywność kosztorysowania, zredukować błędy i niepewności, a także lepiej zarządzać ryzykiem finansowym projektów inwestycyjnych.

Zastosowanie technologii AI w procesach kosztorysowych niesie ze sobą szereg wymiernych korzyści, które przekładają się zarówno na efektywność pracy, jak i jakość podejmowanych decyzji finansowych. Przede wszystkim umożliwia znaczące skrócenie czasu opracowania kosztorysu, automatyzując czasochłonne i powtarzalne czynności. Dzięki zaawansowanym algorytmom analitycznym i predykcyjnym, systemy AI zapewniają większą dokładność obliczeń oraz minimalizują ryzyko błędów ludzkich, co przekłada się na większą wiarygodność całego opracowania. Istotną zaletą jest również możliwość wczesnego wykrywania kosztów ukrytych lub nieproporcjonalnie wysokich, co pozwala na szybszą reakcję i optymalizację budżetu inwestycji. Ponadto AI wspiera łatwe przeprowadzanie analiz wariantowych i symulacyjnych, umożliwiając ocenę różnych scenariuszy realizacyjnych na etapie planowania.

W rezultacie inwestorzy, wykonawcy oraz instytucje finansujące zyskują dostęp do precyzyjnych, aktualnych i dynamicznych narzędzi wspomagających trafniejsze, bardziej świadome decyzje ekonomiczne, zwiększając tym samym bezpieczeństwo i przewidywalność inwestycji.

a. Zautomatyzowanie przetwarzania danych

• AI analizuje dokumentację projektową zapisaną w formatach PDF, IFC, DWG rozpoznając i analizując zapisane informacje

b. Analiza danych historycznych

• Uczenie maszynowe umożliwia analizę ogromnych zbiorów danych kosztowych z poprzednich projektów, aby znaleźć wzorce i dokładnie przewidzieć koszty przyszłych realizacji, na podstawie danych historycznych (kubatura, lokalizacja, rodzaj konstrukcji) modele uczą się przewidywać koszt jednostkowy (np. m2 p.u.).
• AI może uwzględniać specyficzne czynniki np. region, sezonowość, dostępność materiałów.

c. Optymalizacja doboru materiałów i usług

• Systemy AI analizują cenowe trendy rynkowe, sugerując optymalny wybór materiałów, wykonawców i technologii.
• Zaawansowane algorytmy optymalizacyjne redukują koszty logistyczne i minimalizują straty materiałowe.

d. Automatyczna detekcja błędów

• AI może identyfikować anomalie kosztowe, takie jak zawyżenia cen czy błędy w kalkulacjach, minimalizując ryzyko błędnych decyzji finansowych.
• Możliwość porównania dwóch przedmiarów lub kosztorysów ze wskazaniem różnic.
• Modele AI umożliwiają ciągłe uczenie się na podstawie nowych danych, dzięki czemu stają się coraz bardziej skuteczne w detekcji problemów.

e. Przewidywanie ryzyka finansowego

• AI wspiera podejmowanie decyzji poprzez symulacje różnych scenariuszy finansowych, pozwala ocenić potencjalne ryzyko przekroczenia budżetu lub opóźnienia realizacji inwestycji (np. kursy walut)
• AI przewiduje wzrosty cen (np. stali, betonu) w oparciu o dane rynkowe.
• Pomaga w tworzeniu budżetów wieloletnich z buforami na inflację i ryzyko.

f. Dynamiczne porównania i analiza wariantów

• AI automatycznie porównuje wiele wersji kosztorysu, wskazując najbardziej opłacalną, wskazywanie różnic
• Może np. zasymulować różne warianty materiałowe i ich wpływ na koszt całkowity.

g. Analiza dokumentów przetargowych

• Automatyczne wyszukiwanie zapisów kosztotwórczych przez skanowanie setek stron SIWZ i umów FIDIC w celu zidentyfikowania np. kar umownych, kosztów wyłączonych z wyceny ofertowej.

h. Tworzeniu dokumentacji kosztorysowej

• Modele językowe nowej generacji, takie jak GPT-4 czy Claude 3 potrafią przekształcać dane ilościowe w pełną dokumentację kosztorysową zgodną z obowiązującymi normami i szablonami – co szczególnie przydaje się przy ofertowaniu w przetargach publicznych.

i. Weryfikacja kosztorysów

• AI odgrywa istotną rolę w audycie i weryfikacji kosztorysów. Zautomatyzowane systemy kontrolne mogą identyfikować niezgodności, anomalie lub powtarzające się błędy w kalkulacjach. Modele AI wykrywają niespójności w strukturze kosztorysu, np. nieproporcjonalne nakłady robocizny w stosunku do objętości robót, nieadekwatne ceny jednostkowe lub brak zgodności z katalogami KNR.

Wprowadzenie AI nie oznacza wyeliminowania roli kosztorysanta – przeciwnie, rola ta ulega przekształceniu. Zamiast ręcznego obliczania i wprowadzania danych, specjalista ds. kosztorysowania koncentruje się na nadzorze nad algorytmami, weryfikacji wyników, analizie strategicznej oraz doradztwie dla inwestora. Kompetencje kosztorysanta ewoluują w kierunku data science, zarządzania informacją i pracy z narzędziami AI.

Pomimo licznych korzyści płynących z zastosowania sztucznej inteligencji, jej implementacja w procesach kosztorysowych niesie za sobą szereg istotnych wyzwań, zarówno technologicznych, jak i organizacyjnych.

Podstawą efektywnego działania systemów AI są dane – dokładne, aktualne i odpowiednio ustrukturyzowane. W praktyce oznacza to konieczność wdrożenia jednolitych standardów formatów danych wejściowych, spójnych klasyfikacji oraz systematycznego zarządzania informacją. Brak takich standardów może prowadzić do błędnych analiz, a nawet do poważnych konsekwencji finansowych.

Inwestycja w technologię AI wiąże się z istotnymi kosztami początkowymi. Obejmuje to zarówno zakup oprogramowania, jak i zatrudnienie ekspertów z zakresu analizy danych, inżynierii AI oraz integracji systemów. Dla wielu przedsiębiorstw może to stanowić barierę wejścia.

Skuteczne wdrożenie AI wymaga nie tylko technologii, ale również zmiany podejścia w całej organizacji. Niezbędne jest przekwalifikowanie pracowników, rozwój kompetencji analitycznych oraz promowanie kultury pracy opartej na danych. Adaptacja do nowego modelu działania może być procesem czasochłonnym i wymagającym.

W procesie kosztorysowania przetwarzane są wrażliwe dane finansowe oraz strategiczne informacje przedsiębiorstwa. Wprowadzenie AI zwiększa znaczenie ochrony tych danych przed „wyciekiem”, nieuprawnionym dostępem czy nieautoryzowanym wykorzystaniem. Konieczne jest zatem wdrożenie zaawansowanych procedur bezpieczeństwa i zgodności z przepisami o ochronie danych (np. RODO).

Obecnie brakuje jednoznacznych norm prawnych i branżowych dotyczących stosowania AI w kosztorysowaniu. Brak regulacji może prowadzić do niepewności prawnej i utrudniać weryfikację decyzji podejmowanych przez algorytmy. Z tego względu ważne jest, aby stosowane rozwiązania były przejrzyste, a ich logika możliwa do uzasadnienia i skontrolowania przez człowieka.

Prezentowane przykłady zostały opracowane w oparciu o model CHatGPT. Treści w ramce są informacjami pochodzącymi z CHatGPT.

Cyfrowa transformacja budownictwa od lat rozwija się wokół BIM-u oraz rozwiązań chmurowych. Jednak dopiero szybki postęp w uczeniu maszynowym, przetwarzaniu języka naturalnego i generatywnych sieciach neuronowych sprawił, że kosztorysowanie, niezmiennie postrzegane jako żmudna i papierowa dziedzina, staje się polem intensywnych innowacji. Dobrze zaimplementowana sztuczna inteligencja znacznie skraca czas wyceny i obniża ryzyko przekroczenia budżetu.

Przewiduje się, że dalszy rozwój AI w kierunku większej autonomii i możliwości samouczenia się systemów, pozwoli na jeszcze bardziej precyzyjne i szybkie analizy kosztorysowe. Firmy, które pierwsze wdrożą te technologie, osiągną przewagę konkurencyjną, poprzez redukcję kosztów operacyjnych, podniesienie jakości usług skrócenie czasu przygotowania oferty, ograniczenie błędów ludzkich oraz lepsze zarządzanie ryzykiem budżetowym.

Sztuczna inteligencja istotnie zmienia krajobraz kosztorysowania, oferując nowe narzędzia analityczne, które zwiększają dokładność, szybkość i efektywność całego procesu. Sztuczna inteligencja w kosztorysowania przestała być już ciekawostką, a staje się codziennością kosztorysanta.