Duaer

指南

2027 年建筑企业 AI 落地:现场团队为何抵触,如何破解

本文整理自 Duaer 文档站,探讨建筑企业 AI 工具落地时现场团队抵触的原因、常见模式,以及从单一工作流、责任归属和行为指标入手的实用方法。

问题的本质

过去两年买了 AI 工具的建筑企业,大多有相似的经历。总部签下合同,一两个项目先做试点,项目例会上的演示效果很好。但几个月后,现场项目经理仍在电子表格里更新进度,工长仍在用短信把照片发给项目工程师,安全员仍在填写纸质检查表。工具已经装上了,工作方式却没有变。在建筑行业,AI 落地很少是技术问题,而是一个恰好涉及技术的组织问题。

为什么建筑行业比看上去更难

建筑行业的工作组织方式与大多数行业不同。一个项目本质上是临时组织,要把几十家分包商和各自的班组、习惯与立场组合在一起,交付后便解散。没有哪一个流程负责人能看清从投标到竣工的完整链条。信息分散在工地办公室、分包商的临时板房和总部的估价团队之中,很多还只存在于人的脑子里或即时通讯工具中,而不是一个可信的系统记录里。

信息碎片化意味着,一个只改善了某个环节的 AI 工具,可能会在下一个环节制造摩擦。比如,一个每天早上重新计算施工计划的排程助手,只有在工长信任它的输出、分包商接受更新后的施工顺序时才有用。一个用于识别现场进度的照片识别工具,只有在拍照的人持续拍照、并且看不到拍照对自己有什么个人好处时才有效。模型能跑通与现场真正跑通之间的差距,正是大多数推广项目悄悄失败的地方。

第二个难点在于工作本身的节奏。赶工期的现场团队没有多余的精力去适应新流程。当班组要在天气窗口关闭前浇筑楼板时,一个会让日报多出三次点击的新应用,会是第一个被放弃的东西。管理层常常只看账号有没有被使用,而真正的问题是工作方式有没有被改变。

三种常见的抵触模式

当建筑团队没有采用某个 AI 工具时,原因通常是可以预见的。尽早识别这些模式,能节省数月时间。

第一种是平行系统。现场人员继续维护自己的电子表格或群聊,把 AI 系统当作给总部交差的报告任务。数据被录入了,但现场没有人用它做决策。当系统里的数字和主管在早会上所说的永远对不上时,就能看出这种情况。

第二种是信任缺口。工长和经验丰富的主管曾经被一些自信满满却出错的系统坑过,比如工程量计算漏掉了某次图纸修订,或者碰撞报告标错了楼层。一旦现场失去信任,人们每次都会用自己的判断去核对工具的输出,工作量翻倍,收益也就没有了。

第三种是无人负责。工具是由数字化或创新团队采购的,但项目上没有人对结果负责。项目经理以为现场工程师会处理,现场工程师以为商务团队会推动,而分包商则根本没有听说过这件事。

一个常见错误是用更多的培训来应对以上三种情况。只有当底层工作流程已经重新设计,使新方式比旧方式更快或更安全时,培训才会有效。

从工长已经负责的流程入手,并把责任交给现场

正确的第一步,是在动工具之前,把一个现有的现场工作流程从头到尾梳理清楚。选择一个每周在每个项目上都会发生的常规任务,比如日报、材料进场核对、每周滚动计划或现场安全检查。记下每一步由谁来做、使用什么信息、记录在哪里,以及目前哪一步最容易造成返工或争执。

然后问一个务实的问题:AI 能力能否去掉班组本来就讨厌的一个步骤,而不是再增加一个步骤?例如,如果日报是在长班结束时凭记忆打出来的,那么一个能根据语音备注和照片起草日报的助手,可能会受到欢迎。如果工具要求新的登录、新的模板和单独的上传,那么无论它多么准确,都会遭到抵制。

这里的顺序同样重要。从一个项目、一个工作流程,以及一小组在现场已经有威信的主管开始。他们的采纳比总部的任何通知都更有分量。只有当这个工作流程连续运行了几个报告周期,团队没有退回旧方法,才可以逐步扩展。

如果你希望在不从零搭建流程的前提下开展这类工作流梳理和试点跟踪,可以直接在 Duaer 中设置,网址是 https://www.duaer.com。团队可以在这里定义单一现场工作流、分配负责人,并按每份报告而不是按账号数量来审视采纳情况。它无法取代现场的面对面沟通,但能让这些沟通有具体的内容可以参照。

应当让现场主管拥有责任,而不只是拥有使用权。拥有访问权不等于拥有责任。大多数推广项目把工具开放给所有人,然后期待它自行扩散。实际上,只有当某个具体的人对某个具体的结果负责,并且有权改变工作方式时,采纳才会真正扩散。

对建筑项目来说,这通常需要三类角色。项目层面的发起人,一般是项目总监或高级项目经理,负责决定哪个工作流程纳入范围,并保障改变所需的时间。现场冠军通常是经验丰富的项目经理或资深工长,负责日常采纳,并反馈哪些地方行不通。项目团队中的数据管理员负责保持输入数据的干净,例如正确的成本科目、统一的图纸命名,以及明确谁上传什么。

其中冠军角色最关键。好的冠军不一定是对技术最热情的人,而是其班组尊重其判断的人。当冠军说工具为他省了一个小时,而且输出是对的,班组会相信。当总部的分析师说同样的话,班组则不会。

团队还应提前决定,当工具与经验判断不一致时怎么办。一条清晰的规则,例如以主管的判断为准,同时将差异记录下来供复盘,可以防止信任缺口演变成公开抵制。

围绕工作而非工具设计培训,并用行为衡量采纳

通用的产品培训在工地上行不通,原因很简单:它教的是功能,而不是任务。工长不需要熟悉平台上的每一个菜单,他们需要知道如何用手机在十分钟内提交日报,照片模糊时怎么办,以及输出看起来不对时该找谁。

培训应围绕一周中真实的关键时刻来设计。在班前的短时间里开展培训,而不是在工作日下午的会议室里进行。使用实际的现场文件,以及班组上个月真正遇到的问题。让冠军先示范前几个周期,然后让班组在真实工作中练习,由项目工程师在旁兜底。

培训也应覆盖分包商。他们往往承担着最繁重的数据工作,却得到最少的关注。如果工作流程需要他们的输入,就要给他们简单明确的要求、清晰的模板,以及数据对他们自身有用的理由,例如更快的付款审批,或者减少因工程量产生的争议。

账号数量和登录率是最容易汇报、却最不能说明建筑 AI 是否真正落地的指标。更好的指标应关注工作本身是否已经改变。

可以问几个问题:工作流程是否已连续几个报告周期在新系统上运行,而没有并行的电子表格?每周协调会上的决策是引用系统的输出,还是依靠口头汇报?还要追踪返工情况:文件、计划或工程量在发布后需要被更正的频率,以及这一比例是否朝着正确方向变化。同时观察输入端,包括按时提交的报告有多少,以及报告的完整程度是否足以无需再次电话确认即可使用。

解读时要小心。数据录入量增加,可能说明采纳在推进,也可能说明班组现在在重复记录。投诉减少,可能说明工具起了作用,也可能说明人们已经不再提出问题。每项指标都应配合一次简短的现场交流,让数字扎根于人们实际的做法。

在推广之前设定一个诚实的基线也很有价值。记录当前流程需要多长时间、多久出一次错、由谁来做。没有这个基线,每个项目都会宣称成功,却没有一个能证明。

本周可以做的一件具体事

不要从全公司的 AI 战略开始。从一个现场、一个每周工作流程和一位冠军开始。请冠军在一页纸上写下,该工作流程中最浪费时间的三个步骤,以及错误最常传到客户那里的那一个步骤。然后跟随班组完整地工作一个班次,观察工作实际是怎么完成的,而不是程序文件规定它应该怎么做。

基于这次观察,选择一个 AI 能力可以去掉班组本已厌烦的工作量的步骤。用行为层面的语言定义成功,例如连续三周都在班次结束前从现场提交报告。与班组一起复盘,而不只是与总部复盘。

当建筑行业的 AI 落地取得成功时,是因为最接近工作的人认定新方式更好,而组织也给了他们证明这一点所需的时间和权力。

如果你准备好在真实项目上验证这套方法,可以访问 https://www.duaer.com 注册,并设置你的第一个现场工作流程,看看流程和责任在实践中如何呈现。注册只是尝试这套方法的起点,并不保证结果,但它能为你的团队提供一个具体的起步位置。

欢迎告诉我们你的具体场景,我们会回复一份针对该场景的书面落地路线。表单地址:https://api.duaer.com/form/c59a907a-3697-4edf-a04d-3ea0fb72fdc8

常见问题

建筑企业买了 AI 工具,为什么现场很少真正使用?

常见原因是工具只是叠加在原有流程之上,没有减少现场的工作量。现场团队会保留自己的电子表格或群聊,同时把 AI 系统当作给总部的汇报任务。此外,如果没有明确负责人,或者工具输出经常出错,现场就会失去信任。解决思路是先选定一个具体工作流程,让冠军负责,并确保新方式比旧方式更快或更安全。

建筑行业 AI 试点应该用什么指标衡量是否成功?

不建议只看账号数量和登录率。更有价值的是观察工作流程是否已在新系统上连续运行数个报告周期且不再依赖并行表格,会议决策是否引用系统输出,返工率是否下降,以及报告是否按时且完整地提交。指标应与现场访谈结合解读,避免数据录入增加只是重复记录造成的假象。

工长不信任 AI 的输出,应该怎么办?

首先不要急于增加培训,而是要明确规则:当工具与经验判断不一致时,以主管的判断为准,并把差异记录下来供复盘。同时,让受尊重的现场冠军亲自验证并分享结果,比总部人员的宣传更有说服力。随着输出被反复证明准确,信任缺口会逐步缩小。