Aksepten av kunstig intelligens i mengdeuttak

Abstract

Mengdeuttak (MU) spiller en viktig rolle for suksessen i byggeprosjekt. Mengder i prosjekt danner hele grunnlaget for prosjektets kostnad, tid, ressursbruk, miljø og kompleksitet. Det er en avgjørende faktor for å kunne definere prosjektets omfang, vinne anbudskonkurranser og samtidig kunne gjennomføre prosjektene innenfor sine gitte rammer. For øyeblikket gjennomføres MU i store deler gjennom manuelt arbeid med å hente ut mengder fra underlag som 2D- tegninger, men også gjennom bygningsinformasjonsmodeller (BIM-modeller). Kunstig intelligens (KI) er et område som har veltet flere bransjer med storm, også byggenæringen. KI har begynt å påvirke kalkulatørenes rolle og kan nå brukes til å både utføre og assistere MU. Det eksisterer litteratur for tradisjonelle metoder for MU, BIM-MU og KI i kostnadsestimering, men det er ingen studier som omfatter direkte hvordan KI fungerer i mengdeuttak og hvordan den stiller seg i forold til tradisjonelle metoder. Derfor tar denne masteroppgaven sikte på å undersøke aksepten av Kunstig Intelligens (KI) i Mengdeuttak (MU), og om bransjen er kommet langt nok for teknologiadapsjon. Syv semi-strukturerte intervjuer, en spørreundersøkelse og et utvalg av fire referanseprosjekter er brukt for datainnsamling og for å fremstille oppgavens forskningsmål.

Intervju, spørreundersøkelse og referanseprosjekt viser at bruk av KI i MU har store fordeler og kan i enkelte tilfeller være mer effektiv og nøyaktig enn tradisjonelle metoder. KI gjenkjenner komplekse geometrier på en rask måte og kan kommuniseres med gjennom et naturlig språk som reduserer behovet for teknisk kompetanse i BIM-MU. Det muliggjør at flere kan foreta MU og at det kan samhandles på andre måter enn ved dagens metoder. Det er derimot begrensninger ved bruk som defineres av ønsket detaljeringsnivå, kontroll, tillit samt nøyaktighet og et godt nok grunnlag for å gjør det mulig å få gode nok verdier fra mengdeuttakene. Resultatene gjennom teknologiakseptmodell (TAM) viser at KI får aksept som en assistanse i MU og at den kombinert med tradisjonelle metoder kan gi mer nøyaktige mengder og samtidig bidra til kvalitetssikring på en rask og enkel måte. Forskningen i denne masteroppgaven kan bidra til å videreutvikle KI-modeller til å ta hensyn til faktorer som gjør det vanskelig å oppnå maksimal nytteverdi med metodikken. Potensialet for KI i MU er stort og kan by på store fordeler og løsninger for dagens utfordringer knyttet til mengdeuttak.

Nøkkelord: Mengdeuttak, Kunstig Intelligens, Teknologiadapsjon, TAM, Byggebransjen

Quantity takeoff (QTO) plays an important role in the success of construction projects. Project quantities form the entire basis for the project's cost, time, resource use, environment and complexity. It is a decisive factor in defining the project scope, winning tenders and at the same time being able to complete the projects within their given scope. At the moment, QTO is largely carried out through manual work to extract quantities from documents such as 2D-drawings, but also through building information models (BIM-models). Artificial intelligence (AI) is an area that has taken several industries by storm, including the construction industry. AI has begun to influence the role of estimators and can now be used to perform and assist QTO's. Literature exists for traditional QTO, BIM-QTO's and AI in cost estimation, but there are no studies that directly address how AI works in QTO and how it compares to traditional methods. Therefore, this master's thesis aims to investigate the acceptance of Artificial Intelligence (AI) in Quantity Takeoffs (QTO's), and whether the industry has come far enough in technology adaption. Seven semi-structured interviews, a survey and a selection of four reference projects are used for data collection, and to present the thesis' research objectives.

Interviews, survey and reference projects show that the use of AI in QTO has great advantages and can in some cases be more efficient and accurate than traditional methods. AI recognizes complex geometries quickly and can be communicated with through a natural language that reduces the need for technical expertise in BIM-QTO. It enables more people to carry out QTO's and to interact in other ways than with current methods. However, there are limitations to its use, which are defined by the desired level of detail, control, trust and accuracy, as well as a good enough basis to make it possible to get maxiumum values from the QTO's. The results through technology acceptance model (TAM) show that AI is gaining acceptance as an assistance in QTO's and that combined with traditional methods, it can provide more accurate quantities and at the same time contribute to quality assurance in a quick and easy way. The research in this master's thesis can help to further develop AI models to take into account factors that make it difficult to achieve maximum benefit from the methodology. The potential for AI in QTO's is huge and can offer benefits and solutions for today's challenges related to quantity extraction.

Keywords: Quantity takeoff (QTO), Artificial Intelligence (AI), Technology adaptation, TAM, Construction industry