McKinsey AEC AI: Analisis Desain Ulang Alur Kerja
Poin utama
- Audit satu alur kerja yang paling menyakitkan sebelum membeli alat AI lainnya.
- Bersihkan data proyek dan proses serah terima agar model dapat membantu keputusan nyata.
- Bangun AI khusus hanya ketika proses Anda menciptakan diferensiasi.
Pelajaran yang berguna bagi perusahaan arsitektur, teknik, dan konstruksi bukanlah membeli lebih banyak AI, melainkan membangun ulang pekerjaan di sekitar data yang lebih bersih dan serah terima yang lebih tajam.
Pelajaran yang berguna bagi firma arsitektur, rekayasa, dan konstruksi bukanlah membeli lebih banyak AI, melainkan membangun ulang pekerjaan di sekitar data yang lebih bersih dan serah terima yang lebih jelas.
Di suatu tempat di drive bersama milik kontraktor, sebuah spreadsheet bernama Final Final Bid v7 sedang memikul beban kerja yang sebenarnya tidak pernah diizinkan untuk ditanggungnya. Itulah titik awal sebenarnya dari peta peluang AI McKinsey untuk arsitektur, rekayasa, dan konstruksi: bukan model paling berkilau, bukan demo paling mulus, melainkan “pipa” kerja yang sangat tidak glamor tentang bagaimana pekerjaan benar-benar bergerak. AI di AEC sering dijual seperti mandor robot dengan tablet dan postur sempurna. Pembacaan yang lebih tepat lebih sederhana, dan lebih menyebalkan: perbaiki alur kerja sebelum meminta mesin mengoptimalkannya.
Apa Yang Terjadi, Menurut McKinsey Dan Construction Dive
Halaman wawasan Engineering, Construction and Building Materials McKinsey mengatakan bahwa “AI is poised to rewire the architecture, engineering, and construction sector,” dan membingkai keunggulan pada perusahaan yang membayangkan ulang alur kerja, meningkatkan penggunaan data, dan melakukan otomatisasi. Tiga hal itu penting karena ini bukan daftar belanja. Ini adalah diagnosis model operasi yang memakai helm proyek.
Liputan Construction Dive tentang karya McKinsey menambahkan sisi praktis: perusahaan perlu memahami kapan harus membangun solusi kecerdasan buatan dan kapan harus membelinya. Itu terdengar jelas sampai pengadaan bertemu kepanikan, lalu tiba-tiba setiap masalah diperkenalkan kepada chatbot seolah-olah chatbot itu anjing penyelamat. Pertanyaan sebenarnya adalah apakah suatu alat cocok dengan cara proyek dimenangkan, dirancang, dihargai, diisi stafnya, dan dieksekusi, atau justru menjadi tab lain dalam lasagna perangkat lunak.
Alur Kerja Adalah Produknya, Menurut McKinsey
Penekanan McKinsey pada membayangkan ulang alur kerja adalah bagian yang sebaiknya ditulis para pemimpin AEC di sticky note dan ditempelkan ke monitor BIM terdekat. Jika data proyek tersebar di gambar, email, PDF, folder lokal, dan satu orang bernama Gary yang tahu di mana change order dikubur, AI sebagian besar hanya akan menghasilkan kabut dekoratif.
Model sangat baik dalam pekerjaan pola, peringkasan, klasifikasi, pencarian kembali informasi, dan pembuatan berbantuan. Model kurang baik dalam menebak memori institusional dari folder bernama Old Stuff. Itu berarti desain ulang alur kerja datang sebelum otomatisasi dalam praktik, meskipun dalam slide dewan direksi ia mungkin muncul setelah otomatisasi.
Perusahaan membutuhkan input yang konsisten, gerbang persetujuan yang eksplisit, penamaan yang terstandar, data historis yang terstruktur, dan serah terima yang jelas antara tim estimasi, desain, pengadaan, dan lapangan. Ini bukan karena AI rapuh seperti porselen. Ini karena prinsip sampah masuk, sampah keluar masih belum terkalahkan, meskipun sekarang sampahnya bisa berbicara dengan nada eksekutif yang percaya diri.
Membangun Versus Membeli Adalah Pertanyaan Strategi, Lapor Construction Dive
Construction Dive melaporkan bahwa mengetahui kapan harus membangun versus membeli solusi AI itu penting, berdasarkan pandangan McKinsey tentang alur kerja konstruksi. Pembedaan yang berguna bukanlah soal ideologi. Beli ketika alur kerjanya umum, vendornya memiliki integrasi yang kuat, dan tugasnya bukan rahasia keunggulan Anda; bangun ketika data, proses, atau logika keputusan Anda menciptakan diferensiasi nyata.
Bagi perusahaan AEC, itu bisa berarti membeli pemrosesan dokumen generik atau bantuan penjadwalan, sambil lebih berhati-hati terhadap logika estimasi milik sendiri, metode benchmarking, atau proses peninjauan risiko. Intinya bukan berpura-pura menjadi laboratorium AI frontier. Intinya adalah menghindari pemborosan energi rekayasa khusus untuk tugas komoditas, sekaligus menolak mengalihdayakan bagian bisnis yang menentukan margin, reputasi, dan kualitas pengiriman.
Dengan kata lain, jangan membangun kalkulator sendiri kecuali kalkulator Anda tahu mengapa penawaran harga baja terus merusak hari Selasa semua orang.
Arsitek Perlu Memperhatikan Lingkar Umpan Balik Manusia, Kata Architects EDCET
Ikhtisar Architects EDCET tentang AI dalam arsitektur mengatakan bahwa AI memengaruhi nilai lingkungan binaan melalui bidang seperti keselamatan, kenyamanan penghuni, dan kesejahteraan, sementara AI generatif dapat menggunakan umpan balik data dan teknologi dalam proses desain yang berpusat pada manusia. Itulah sisi desain dari cerita alur kerja yang sama.
AI lebih berguna ketika menutup lingkaran antara niat, kendala, kinerja, dan pengalaman nyata. Bagi tim arsitektur dan rekayasa, nilai jangka dekatnya bukan menggantikan penilaian. Nilainya adalah membuat lebih banyak opsi terlihat lebih awal, memeriksa asumsi lebih cepat, dan memasukkan sinyal kinerja kembali ke keputusan desain sebelum beton ikut masuk ke percakapan.
Bahayanya adalah memperlakukan generasi sebagai acara utama, padahal daya ungkit sebenarnya adalah umpan balik yang lebih baik. Model yang mengusulkan lima puluh tata letak itu menarik; alur kerja yang menjelaskan tata letak mana yang gagal memenuhi kendala kenyamanan, keselamatan, anggaran, atau kemudahan konstruksi itulah yang berguna.
Yang Perlu Diamati Selanjutnya, Dengan McKinsey Sebagai Patokan
Kerangka McKinsey memberi para pemimpin AEC uji sederhana untuk gelombang presentasi AI berikutnya: apakah produk ini mengubah pekerjaan, memperbaiki data, atau mengotomatisasi langkah berulang dengan akuntabilitas yang terukur? Jika jawabannya hanya “ini punya AI,” selamat, Anda telah menemukan autocomplete yang sangat mahal memakai rompi reflektif.
Perusahaan yang paling diuntungkan kemungkinan adalah perusahaan yang memperlakukan adopsi AI sebagai rekayasa proses, bukan penumpukan alat. Bagi pembaca yang membangun atau membeli di ruang ini, mulailah dengan satu alur kerja yang sudah terasa menyakitkan: tinjauan tender, dukungan estimasi, iterasi desain, penanganan submittal, atau pelaporan lapangan. Petakan serah terimanya, bersihkan inputnya, definisikan persetujuan manusianya, lalu putuskan di mana AI seharusnya berada.
Punchline-nya adalah bahwa mesin mungkin membantu membangun gedung yang lebih baik, tetapi pertama-tama ia membutuhkan manusia untuk berhenti menyimpan blueprint di dalam jiwa Gary.
