Obietnica kontra rzeczywistość

Jako osoba głęboko zaangażowana w sektor kosztorysowania i wyceny z 20-letnim międzynarodowym doświadczeniem, obserwowałem szybki rozwój narzędzi AI do przedmiarów z zaciekawieniem. Po obszernych badaniach deklaracji producentów, doświadczeń użytkowników, walidacji akademickiej i standardów profesjonalnych, wnioski są jasne: chociaż AI w przedmiarach reprezentuje autentyczny postęp technologiczny, przepaść między obietnicami marketingowymi a rzeczywistością operacyjną pozostaje znacząca.

Brytyjski Instytut Rzeczoznawców Majątkowych (RICS) wprowadził obowiązek nadzoru specjalistów nad wszystkimi wynikami generowanymi przez AI, uznając, że automatyzacja nie może zastąpić wiedzy rzeczoznawcy kosztorysowego. Choć technologia wykazuje rzeczywisty potencjał, osiągając dokładność 97–98% w idealnych projektach, nie istnieją niezależne testy porównawcze, wszystkie deklaracje dotyczące dokładności pochodzą od samych producentów, a weryfikacja akademicka jest szczątkowa.

Obecny rynek: prawdziwa AI a przemianowane narzędzia cyfrowe

Rynek oprogramowania do przedmiarów budowlanych dzieli się na dwa odrębne pokolenia. Tradycyjne narzędzia cyfrowe, takie jak PlanSwift, Bluebeam Revu i OnScreen Takeoff, dominują od 20 lat, ale wymagają rozległych pomiarów manualnych metodą „kliknij i obrysuj”. Nowa fala platform stawiających AI na pierwszym miejscu pojawiła się między 2022 a 2024 rokiem — Togal.AI, Beam AI, Kreo Software i Workpack — deklarując automatyzację 80–90% procesu z wykorzystaniem widzenia komputerowego i głębokiego uczenia maszynowego.

Luka w weryfikacji akademickiej: gdzie są dowody?

Nieliczne istotne badania ujawniają ważne ograniczenia:

• Badanie z 2023 roku w Nature Scientific Reports analizowało automatyczny przedmiar w norweskim projekcie drogowym wykorzystującym modele BIM — tylko 40% z 486 pozycji kosztorysowych można było zautomatyzować, przy czym odtwarzalność była wątpliwa, a 70% przedmiaru było specyficzne dla projektu.

• Praca doktorska z 2006 roku z Brigham Young University porównująca BIM z przedmiarem na ekranie wykazała bardzo zmienną dokładność w zależności od elementu: BIM pokazał 1% błędu dla stropów, ale 32% błędu dla elewacji ceglanej, podczas gdy tradycyjny przedmiar na ekranie wykazał błąd od 3% do 46% w zależności od elementu.

Badania nad głębokim uczeniem dla wykrywania komponentów pokazują większe nadzieje, ale dotyczą tylko wstępnych kroków:

• Badanie MDPI z 2020 roku wykorzystujące detekcję opartą na YOLO osiągnęło ponad 80% dokładność w wykrywaniu komponentów konstrukcyjnych z rysunków 2D w 0,71 sekundy na obraz.

• Inne badanie z 2020 roku wykazało 91,6% dokładność rozpoznawania symboli i 83,1% dla rozpoznawania znaków w schematach P&ID.

Nie istnieją kompleksowe badania walidacyjne porównujące AI z manualnym przedmiarem w wielu typach projektów z rygorystyczną analizą statystyczną.

Dokładność jest zależna od jakości dokumentacji i specyfiki projektu

Dokładność AI silnie zależy od jakości dokumentów źródłowych i typu projektu — fakt, który producenci często ukrywają w drobnym druku. Technologia działa najlepiej na czystych, wektorowych plikach PDF z czytelnymi symbolami i standardowymi konwencjami, ale ma problemy z: zeskanowanymi lub niskojasności rysunkami, planami z ręcznymi adnotacjami, historycznymi lub mieszanymi formatami dokumentów, rozmytymi lub niskorzednymi plikami oraz niestandardowymi symbolami.

Opinie użytkowników konsekwentnie potwierdzają to ograniczenie. Recenzent Kreo stwierdził: „Kreo działa najlepiej z rysunkami wektorowymi i nowoczesnymi rzutami budynków”. Inny zauważył: „Kreo AI nie radzi sobie dobrze ze skanami zarejestrowanych planów kondominiów”.

Ukryte koszty czasowe: czego producenci nie mówią

Standardy profesjonalne: dlaczego RICS nakazuje nadzór

Porównanie AI z tradycyjnymi metodami: prawdziwy postęp z zastrzeżeniami

Porównując pokolenia technologii przedmiarowej, istnieją rzeczywiste ulepszenia, ale nie spełniają one szumu marketingowego.

Przyszła trajektoria: przyrostowa poprawa, nie perfekcja

Masywne inwestycje venture capital sygnalizują zaufanie rynku, ale również ujawniają realistyczne ograniczenia. 3,7 miliarda dolarów wpłynęło do technologii budowlanych przez Q3 2025 (ponad dwa razy więcej niż w 2024 roku), przy czym technologie oparte na AI przejęły 2,22 miliarda dolarów i 46% inwestycji w contech w Q1 2025.

Optymalne podejście: wspomaganie, nie zastępowanie

Podsumowanie

Dla Roberta Kowalskiego i innych rzeczoznawców kosztorysowych doświadczających rozczarowania narzędziami AI do przedmiarów problemem nie jest fundamentalna awaria narzędzi, ale raczej napompowany marketing tworzący nierealistyczne oczekiwania. Technologia działa — ale wymaga profesjonalnej wiedzy do walidacji, korygowania i interpretowania wyników. Ci, którzy traktują AI jako narzędzie produktywności w ramach profesjonalnego przepływu pracy, osiągają rzeczywiste korzyści. Ci, którzy oczekują automatyzacji „ustaw i zapomnij”, będą nadal rozczarowani.

Najlepszy punkt, jak eksperci branżowi konsekwentnie zauważają, leży w synergii obliczeniowej szybkości AI z ludzkim osądem, doświadczeniem i kontekstowym zrozumieniem — partnerstwem między technologią a wiedzą, zamiast technologii zastępującej wiedzę.