A rövid válasz
- Besorolás: szabad sáv — nem hoz döntést emberekről
- Határidő: nincs; az akadály az adat állapota, nem a szabályozás
- Első lépés: vegyék számba, hány korábbi projekt költségadata áll strukturált formában
A helyzet ma
Az építőipar az a szektor, ahol az AI-kérdés őszintén megelőzi egy másik kérdés: van-e egyáltalán adat, amiből tanulni lehet.
A tervek jellemzően PDF-ben állnak, a költségek táblázatban, a tapasztalat pedig a régi kollégák fejében. Az AI ezen a bemeneten nem tud dolgozni — és ez nem modellválasztási probléma.
A szám alátámasztja: az iparági tapasztalat szerint az építőipari AI-bevezetések mintegy negyven százalékát adatminőségi problémák döntik meg, és a siker legfőbb előrejelzője az, hogy a korábbi projektadat elég tiszta-e a tanuláshoz.
Közben a piac mozog: az európai építőipari AI-piac 2025-ben 1,43 milliárd dollár körül állt, 2026-ra 1,8 milliárd dollárra becsülik. A közép-európai régió kutatásai szerint viszont az AI-adopció itt még alacsony szinten van — a lehetőség tehát nyitott, nem lezárt.
Amit félreértenek
A leggyakoribb tévedés az, hogy előbb AI-eszközt kell választani. A gyakorlatban a sorrend fordított: előbb ki kell deríteni, hány lezárt projekt költségadata áll olyan formában, amiből összehasonlítás építhető. Ha a válasz kevesebb mint néhány tucat, akkor az első projekt adatprojekt.
Ezt érdemes kimondani az ügyfélnek is. Az a tanácsadó, aki minden helyzetre AI-t javasol, rövid távon több munkát ad el — hosszú távon kevesebbet.
A második tévedés, hogy a kamerás helyszíni megfigyelés ugyanabba a kosárba tartozik. Nem oda tartozik: az adatvédelmi megítélése teljesen más, és a két irányt szét kell tartani. A költségbecslés szabad; a munkavállalók kamerás megfigyelése nem ugyanaz a kérdés.
Amit az agentic korszak megváltoztat
A költségbecslés eddig visszatekintő feladat volt: korábbi projektek alapján megbecsülni egy újat. Ehhez elég egy modell és egy adatbázis.
Az agentic rendszerek ezt kiterjesztik. Egy ajánlatadási agent nem egy becslést ad: kiolvassa a tenderdokumentációt, mennyiségeket vet össze, alvállalkozói árat kér be, hiányzó tételt jelez, és a beadási határidőig több körben pontosít. Az ajánlatadás átfutási ideje ott csökken drámaian, ahol eddig több ember több napja ment el rá.
Ez a szektor versenyszerkezetét érinti közvetlenül.
A tenderoldali elvárás már ma szűr. A húszmillió euró feletti uniós infrastruktúra-tenderek jelentős része digitális szállítási szabványt ír elő. Aki ezt nem tudja teljesíteni, az nem lassabban pályázik, hanem nem pályázik.
A sebesség kapacitássá alakul. Ha egy ajánlat összeállítása napokról órákra rövidül, ugyanaz a csapat több tenderen indul. A nyerési arány változatlansága mellett is nő az elnyert munka.
A hibás ajánlat viszont gyorsabban is születik. Egy agent, amelyik hiányos dokumentációból dolgozik, magabiztos számot ad rossz alapon. A kockázat itt nem szabályozási, hanem üzleti: az alulárazott ajánlat kötelezettséget teremt. Ezért az ajánlatadási láncban emberi ellenőrzési pont kell — nem megfelelési okból, hanem árrésvédelemből.
A következő években tehát nem az szabja meg a versenyt, kinek van AI-eszköze, hanem kinek van strukturált előzményadata, amire az eszköz ráállhat. Ez a különbség két-három év alatt épül fel, és utólag nem pótolható.
Az első értelmes lépés
Számolják meg, hány lezárt projekt költségadata áll strukturált, összehasonlítható formában. Ez a szám dönti el, hogy a következő projekt AI-projekt vagy adatprojekt.
Mindkettő értelmes lépés — de a kettőt összekeverni drága.