Stadig flere aktører kan vise til gode resultater fra piloter og proof-of-concepts, men byggebransjen har ikke sett det samme skiftet som andre bransjer. Gjennomgående utfordringer har vist seg å være:
Skjev fordeling av ressurser
Områdene som i dag satses på er gjerne områder som på kortest mulig tid kan gi størst mulige økonomiske besparelser; dette er ikke nødvendigvis de samme områdene som vil gi de største og mest bærekraftige besparelsene i et større tidsperspektiv.
Enkelte områder mangler tilstrekkelige data
Verdien i å samle inn og kvalitetssikre data på disse områdene kan være mindre tydelig, og disse blir derfor ikke prioritert. Likevel er det ikke nødvendigvis hensiktsmessig å starte arbeidet med allerede eksisterende data.
Manglende forankring i strategi
Dette er essensielt for at KI-baserte systemer skal kunne bli en integrert del av
et prosjekt eller en organisasjon, heller enn en add-on.
Begrenset overførbarhet
En modell eller et system som er utviklet i et spesifikt miljø eller er trent på et spesifikt datasett kan ikke nødvendigvis brukes i et annet miljø eller på andre datasett. Verktøy bør bygges for å være robuste og skalerbare.
Manglende kontekstualisering i data, modell og bruk
Bruk av KI-baserte verktøy burde ikke være et mål i seg selv, men en del av løsningen for å nå mål knyttet til kostnader, produktivitet eller bærekraft.
Fragmentering mellom ulike aktører, prosjekter, og systemer
En helhetlig løsning på disse utfordringene vil innebære tiltak på system-, prosjekt-, og organisasjonsnivå. Effektiv bruk av KI vil kreve et bevisst forhold til kvalitet i dataene som skal brukes, organisasjonsstrukturer som ivaretar funksjonene arbeid med KI krever, og en infrastruktur som støtter opp under verktøy som etableres.
Aktører bør tenke stort, men starte smått. Med riktige rammeverk og verktøy kan de aller fleste aktører komme i gang allerede i dag!
