Dane z placu budowy: dlaczego dyscyplina jest ważniejsza niż oprogramowanie
Miina Karafin, dyrektor ds. cyfryzacji i BIM w Verston · na podstawie wystąpienia podczas InfraBIM Open w Paryżu w czerwcu 2026 roku
Problem, o którym nikt nie mówi
Badania wciąż pokazują to samo: większość dużych projektów infrastrukturalnych przekracza budżet, harmonogram albo jedno i drugie. Baza danych profesora Uniwersytetu Oksfordzkiego Benta Flyvbjerga, obejmująca 16 000 projektów w 136 krajach, wskazuje, że tylko 8,5% z nich kończy się terminowo i w ramach budżetu.¹ Globalne badanie KPMG dodaje, że zaledwie 25% projektów kończy się z opóźnieniem nieprzekraczającym 10% pierwotnego terminu.²
A jednak każdy projekt zaczyna się tak samo – nowy plac budowy, nowy zespół, nowy plan i ten sam optymizm. Za każdym razem zaliczamy siebie do nielicznych, którym się uda.
Dziesięć lat kierowania obszarem BIM i transformacją cyfrową nauczyło mnie przede wszystkim jednego: problemem nigdy nie jest technologia.
„Można kupić najbardziej zaawansowane oprogramowanie na rynku. Samo w sobie niczego ono nie rozwiąże”.
Ma to szczególne znaczenie dziś, gdy wszyscy mówią o sztucznej inteligencji – również w budownictwie. AI opiera się jednak na spójnych, uporządkowanych danych, gromadzonych co tydzień w ten sam sposób, a dane z placów budowy nie osiągnęły jeszcze tego poziomu.
Każdy projekt ma trzy rzeczywistości
Każdy projekt ma trzy rzeczywistości: plan, raporty oraz prawdę – to, co faktycznie dzieje się na placu budowy. Dwie pierwsze są zawsze uporządkowane. Trzecia zazwyczaj pozostaje czarną skrzynką.
Dane finansowe są precyzyjne; możemy śledzić koszty z dokładnością co do dnia. Dokumentacja przygotowywana dla klienta również jest precyzyjna. Ale ile metrów sześciennych robót wykonano faktycznie dzisiaj, w tej chwili?
Tu pojawia się pułapka: jeśli koszt został poniesiony, zakładamy, że praca została wykonana. Te dwie rzeczy wydają się tym samym, ale przepływ pieniędzy nie oznacza, że przemieszczono masy ziemne. Rzadko to weryfikujemy, ponieważ kontrola wydaje się dodatkowym zadaniem dla i tak już przeciążonego zespołu.
Gdy firma próbuje ujednolicić gromadzenie danych, za każdym razem napotyka ten sam opór: „Nasz projekt jest inny. Tego nie da się ustandaryzować”. Spójrzmy jednak na to, co rzeczywiście mierzymy w każdym projekcie – objętości, warstwy, odchylenia od projektu. Struktura jest identyczna.
„Projekty są wyjątkowe. Wymówka – nie”.
Co naprawdę napędza zmianę
Jeśli technologia nie jest odpowiedzią, to co nią jest? Trzy rzeczy – żadna z nich nie jest oprogramowaniem.
Biznes musi tego wymagać. Jeśli kierownictwo nie traktuje brakujących danych z placu budowy jako problemu biznesowego, temat na zawsze pozostanie projektem pilotażowym. AI nie tworzy wartości na podstawie pojedynczego pilotażu; potrzebuje skali i spójności w wielu projektach.
Najpierw proces, potem narzędzie. Codzienne gromadzenie danych to decyzja operacyjna, równie niepodlegająca negocjacjom jak bezpieczeństwo na budowie. Powinno należeć do standardów firmy; nie jest projektem IT.
Spójność jest jedyną drogą. Musi to dziać się na każdym placu budowy, w każdym tygodniu – pojedynczy lot dronem lub eksperyment niczego nie zmienia. Cotygodniowy obraz tego, co faktycznie zbudowano, stanowi podstawę każdej dobrej decyzji dotyczącej planowania i prognozowania.
Droga Verston z Rail Baltica
Rail Baltica, jeden z największych projektów infrastrukturalnych w Europie, przebiegający przez trzy kraje, jest naszym laboratorium danych. Wiele się tam nauczyliśmy, choć nie twierdzimy, że rozwiązaliśmy już wszystkie problemy. Dane można zbierać na wiele sposobów, ale każdy z nich sprowadza się do tego samego pytania: co faktycznie zostało zbudowane i czy jest zgodne z planem? Oto kilka przykładów.
System sterowania maszynami zapewnia bieżący obraz wykonywanych prac. Nasze maszyny są połączone z centralnym systemem, w którym przechowywane są zarówno dane projektowe, jak i wszystkie aktualne dane realizacyjne. Każdy punkt zmierzony przez maszynę trafia bezpośrednio do systemu, dając nam aktualny obraz przemieszczonych mas w bezpośrednim porównaniu z projektem. Widzimy to w czasie rzeczywistym, gdy jest jeszcze czas na reakcję – a nie pod koniec miesiąca, kiedy jest już za późno.
Połączenie danych z drona z dotychczas stosowanymi metodami ujawniło niezmierzoną wcześniej różnicę wynoszącą 25%. Na jednym z placów budowy każdy ładunek samochodu ważono w tonach, podczas gdy dron mierzył objętość faktycznie wbudowanego materiału. Zespół zawsze zakładał ciężar objętościowy – 1,9 tony na metr sześcienny – nikt tego nie kwestionował.
Zestawienie zważonych ton ze zmierzoną objętością pokazało, że rzeczywista wartość była bliższa 2,4 tony – o 25% wyższa od liczby, na której wszyscy polegali. W praktyce znacząco zmienia to sposób obliczania postępu i ilości robót. Nikt nie popełnił błędu; po prostu nigdy wcześniej tego nie zmierzono.
„Wydawało nam się, że wiemy. Dopóki nie zmierzyliśmy”.
Narzędzie AI rozwiązało problem, zanim ten powstał. Co tydzień dron wykonuje lot nad placem budowy, a narzędzie oparte na AI porównuje wykonane prace z planem i natychmiast przedstawia obraz postępu. Na jednym z placów wszystko wyglądało zgodnie z harmonogramem, ale dane wskazały kolizję, która miała nastąpić za kilka tygodni: wkrótce zabrakłoby miejsca na składowanie kruszywa. Roboty ziemne i strzałowe postępowały we właściwym tempie, lecz oba zakresy zmierzały do tego samego wąskiego gardła i były równolegle prowadzone przez różnych kierowników budowy. Nikt tego nie zauważył, ponieważ bez danych nie można patrzeć tak daleko w przyszłość. Jedna decyzja zmieniła plan i problem został rozwiązany, zanim się pojawił.
Ta sama analiza przyniosła jeszcze jeden efekt: w przypadku warstw nasypu kolejowego dokładnie wskazała, ile próbek materiału trzeba pobrać przed ułożeniem kolejnej warstwy, gdy wciąż było na to wystarczająco dużo czasu. W budownictwie następna warstwa powstaje szybko, a gdy już zostanie ułożona, cofnięcie się jest skomplikowane, kosztowne, a czasem niemożliwe. Po raz pierwszy kontrolę jakości zaplanowano z wyprzedzeniem, zamiast przeprowadzać ją po fakcie.
W drodze, jeszcze nie u celu
Naszym celem na 2026 rok jest jednolity proces gromadzenia danych na wszystkich placach budowy. Jeszcze go nie osiągnęliśmy. Mamy działające pilotaże, ludzi rozumiejących wartość danych i dowody skuteczności. Nadal budujemy system, który sprawi, że stanie się to niepodlegającym negocjacjom standardem – na każdym placu, w każdym tygodniu. Na tym polega dyscyplina.
Większość eksperymentów z AI w budownictwie kończy się niepowodzeniem, ponieważ dane bazowe są chaotyczne i różnią się między projektami. Algorytmy i oprogramowanie rzadko są najsłabszym ogniwem.
„Nie da się zbudować inteligencji na chaosie”.
AI potrzebuje struktury i spójności: tych samych danych, gromadzonych co tydzień w ten sam sposób. Każdy lot dronem, każda partia punktów ze sterowania maszynami trafiająca do systemu i każdy pomiar geodety przesyłany bezpośrednio do bazy danych to inwestycja w kulturę danych, dzięki której AI pewnego dnia stanie się naprawdę użyteczna na placu budowy. Wartość wykracza przy tym poza samą budowę. Te same dane, gromadzone w zdyscyplinowany sposób, przepływają przez cały cykl życia projektu – od zamówień i projektowania, przez budowę, aż po kolejną kalkulację – dzięki czemu następny projekt rozpoczyna się na podstawie tego, co rzeczywiście się wydarzyło, a nie założeń.
Podsumowanie
Zaczęliśmy od dwóch liczb: 25% projektów realizowanych terminowo oraz 8,5% realizowanych terminowo i w ramach budżetu. Na początku każdego projektu zaliczamy siebie do nielicznych, którym się powiedzie. Nadzieja nie jest jednak strategią.
Standardy nie są porywającym tematem. To jednak ustandaryzowane dane umożliwiają ciekawe rzeczy – przepływ informacji przez cały cykl życia projektu, zasilanie kolejnego budżetu i praktyczne wykorzystanie AI. Najważniejszy wniosek z InfraBIM Open w Paryżu był właśnie taki: branża wie, co potrafią narzędzia; nadal pracuje natomiast nad nawykiem konsekwentnego korzystania z nich na każdym placu budowy, w każdym tygodniu.
„Nie mamy problemu z technologią. Mamy problem z dyscypliną danych”.
Źródła:
- Bent Flyvbjerg i Dan Gardner, How Big Things Get Done (2023). Dane przytoczone przez Flyvbjerga w New Civil Engineer, czerwiec 2023: https://www.newcivilengineer.com/latest/interview-programme-management-academic-bent-flyvbjerg-identifies-the-ingredients-of-successful-major-projects-26-06-2023/
- KPMG International, Global Construction Survey 2015 — „Climbing the curve”: https://assets.kpmg.com/content/dam/kpmg/pdf/2015/05/construction-survey-201502.pdf