Älykästä tuottavuuden nostoa rakennusteollisuuteen

Abstract

Rakennusteollisuuden tuottavuuskasvu ei ole pysynyt kokonaistalouden tuottavuuskasvun tahdissa. Viivästykset ja budjettien ylitykset ovat yleisiä ongelmia alalla ja suurimmiksi aiheuttajiksi on havaittu tehoton projektisuunnittelu ja suunnitteluvirheistä johtuvat viivästykset. Rakennusteollisuus on myös toiseksi vähiten digitalisoitunut ala, sijoittuen ainoastaan yhdeksi alaksi lasketun maatalouden ja metsästyksen edelle. Tekoälyn kehitys on ottanut suuria harppauksia eteenpäin sen jälkeen, kun IBM:n Deep Blue voitti Garry Kasparovin shakissa vuonna 1997. Vuonna 2016 AlphaGo voitti gon 18-kertaisen maailmanmestari Lee Sedolin ja näin osoitti tekoälyn tehokkuuden datan läpikäynnissä ja arvioiden tarkkuudessa. Tekoälyä hyödynnetään jo monilla aloilla, mutta rakennusteollisuudessa kehitys- ja tutkimustyö on jäänyt toissijaiseen asemaan - rakennusteollisuuden tuottamista voitoista käytetään ainoastaan yksi prosentti tutkimustyöhön. On havaittu, että yritysten kasvattaessa tekoälypatenttien määrää kymmenellä prosentilla, myös yrityksen tuottavuus nousee viidellä prosentilla. Vaikutus on tällä hetkellä nähtävissä lähinnä pienillä ja keskisuurilla yrityksillä, mikä voi johtua suurien yritysten kankeudesta sopeutua muuttuviin tilanteisiin tai haluttomuudesta ylipäätään lisätä tekoälypatenttien määrää. Tämän kirjallisuuskatsauksen tavoitteena on selvittää, kuinka tekoälyllä voidaan parantaa rakennusteollisuuden tuottavuutta. Tutkielmassa käydään läpi neljä tutkimusta, joissa käsitellään budjettien arviointia, tuottavuuteen vaikuttavien tekijöiden kartoittamista, työntekijöiden tuottavuuden seuraamista ja riskienhallintaa. Jokaisessa edellämainitussa tutkimuksessa on hyödynnetty tekoälyä ja tutkimusten tulokset vaikuttavat lupaavilta. Tekoälyllä on havaittavissa potentiaalia erityisesti projektisuunnittelun tehostamisessa.

The productivity growth in the construction industry has not kept pace with the overall economy’s productivity growth. Delays and budget overruns are common problems in the industry, and inefficient project planning and delays due to design errors have been identified as the major causes. Additionally, the construction industry ranks as the second least digitized sector, trailing only agriculture and hunting. The development of artificial intelligence has taken significant leaps forward since IBM's Deep Blue defeated Garry Kasparov in chess in 1997. In 2016, AlphaGo defeated the 18-time world champion Lee Sedol in Go, demonstrating the efficiency of artificial intelligence in processing data and making evaluations. Artificial intelligence is already being utilized in many fields, but in the construction industry, research and development have taken a secondary position - only one percent of the profits generated by the construction industry are used for research. It has been observed that as companies increase the number of AI patents by ten percent, their productivity also increases by five percent. The impact is currently most visible in small and medium-sized enterprises, which may be due to the inability of large companies to adapt to changing situations or reluctance to increase the number of AI patents. The aim of this literature review is to explore how artificial intelligence can improve productivity in the construction industry. The thesis reviews four studies that address budget estimation, identifying factors affecting productivity, monitoring employee productivity, and risk management. Artificial intelligence has been utilized in each of the studies, and the results appear promising. There is potential for artificial intelligence, particularly in streamlining project planning.