4. Drempels en uitdagingen 

Op basis van de AI-barometer onderscheiden we verschillende drempels en uitdagingen vanuit het perspectief van de “early adopters” en de volgers over alle sectoren heen.

• Externe begeleiding en opleidingen kunnen een oplossing bieden voor kennistekorten rond AI. Bijna de helft van de ondernemingen ervaart evenwel een gebrek aan externe kennispartners en begeleiding. Daarnaast voorziet slechts een minderheid van de bedrijven – hetzij formele hetzij informele – opleidingen rond AI voor haar medewerkers.

• Dat toegang tot deze externe kennispartners van groot belang is, blijkt uit het feit dat de overgrote meerderheid van de adopters (gedeeltelijk) steunt op externe expertise voor de implementatie van AI-technologieën via de aankoop van gebruiksklare commerciële software of systemen of via diensten aangeboden door externe ontwikkelaars. Een kwart (25,4%) van de adopters ontwikkelt zelf (een deel van) de software en systemen. De evolutie van het budget van adopters om AI-software of -systemen te implementeren of te onderhouden, is het afgelopen jaar bij de meerderheid van de adopters onveranderd gebleven.

• Net zoals in de vorige meting zien zowel adopters als niet-adopters een gebrek aan relevante kennis, vaardigheden en ervaring binnen de onderneming en moeilijkheden om de mogelijke toepassingen van AI in te schatten als belangrijke drempels bij de adoptie en het gebruik van AI. Een gepercipieerd beperkt nut vormt nog steeds de voornaamste reden waarom bedrijven AI links laten liggen. 

• Voor niet-adopters die aangeven te kampen met kennistekorten ligt de basis van deze tekorten voornamelijk bij een onbekwaamheid om praktische bedrijfsnoden te vertalen naar technische specificaties voor AI-oplossingen en deze AI-oplossingen te beoordelen op hun technische haalbaarheid en winstgevendheid. Adopters worstelen vooral met een gebrek aan verdiepende kennis van AI-technologieën en kennis van het wetgevend en/of ethisch kader van AI.

3. Potentieel van AI-toepassingen in de bouw

Voor de bouw en specifiek voor het bouwbedrijf zijn er momenteel twee types van AI-technologieën van grotere toegevoegde waarde dan de andere: de beeldherkenning en procesautomatisatie. Meerdere applicaties en toepassingen zijn denkbaar en worden op dit moment onderzocht op het vlak van o.a. "total cost of ownership", implementatie, opleidingskosten en de spelers op de markt. 

a)    Beeldherkenning op de bouwplaats

• Datacaptatie via drones, vaste cameraopstellingen en andere (beeld)sensoren, als basis voor automatische (real-time) monitoring van de activiteit en voortgang op de werf. 

• Data-analyse en dashboarding voor het ondersteunen van bouwprocessen, met specifieke focus op rendementen. 

• Het gebruiken van algoritmes voor automatische detectie van fouten. Dat leidt tot minder faalkosten en tot verhoogde veiligheid en logistieke optimalisatie. 

• Digitale weergave van de bouwvoortgang en koppeling met beschikbare ontwerpgegevens (2D- en 3D-plannen, BIM, bestekken …).

b)   Procesautomatisatie via AI

• Het snel verkrijgen van specifieke informatie uit aanbestedingsdossiers of werfdossiers (bijv. vanuit calculatie of in uitvoering), zowel vanuit intern oogpunt als extern (bijv. door partners of klanten).  

• Het geautomatiseerd analyseren van tender dossiers op relevantie om aan te bieden, in het kader van een commerciële screening van potentiële dossiers. 

• Het AI gebaseerd genereren van eisen uit tender dossiers (bv. in een Design & Build context), al dan niet met een zelflerend mechanisme gebaseerd op basis van machine learning, als input voor BIM-systemen.

• Het automatisch classificeren en metadateren van documenten in het kader van diverse functionele toepassingen (inkomende/uitgaande postverwerking, digitaal as-built dossier, digitaal werfdossier, contractmanagement …).  

• Het inzichtelijk maken van de historiek van wijzigingsverzoeken in het kader van verrekeningen.  

• Het omzetten van gesproken instructies of mondelinge verslagen in registraties in de betreffende dossiers. 

• Het herkennen, extraheren, verwerken en opslaan van informatie uit ingescande (bijv. foto) documenten naar de onderliggende gestructureerde databronnen.

2. Nood aan inhaalbeweging

In vergelijking met andere sectoren blijkt de bouw nood te hebben aan een inhaalbeweging. In de AI-barometer worden op basis van de NACE-codes 11 sectoren in rekening gebracht. De bouw scoort respectievelijk een zevende plaats voor tekstanalyse, beeldherkenning en autonome machines; een achtste plaats voor machine learning; een negende plaats voor spraakherkenning en ‘Natural Language Generation’; en een tiende plaats voor procesautomatisatie. Ook werd de adoptie van minstens één AI-technologie in kaart gebracht. Als voorlaatste bengelt de bouw achteraan het peloton.

Daarnaast werd over alle sectoren heen gekeken naar de adoptiegraad van AI-technologie naargelang de bedrijfsgrootte. Ondernemingen met meer dan 250 werknemers scoren beduidend beter. Het verschil met middelgrote ondernemingen bedraagt al meer dan 10%. Het verschil tussen de middelgrote ondernemingen en de kleine/micro ondernemingen bedraagt gemiddeld 4-6%. 

De bouwsector kenmerkt zich overwegend door kleinere ondernemingen. Daarom dringt zich veel meer sensibilisering bij bouwbedrijven rond de vele mogelijkheden van AI. Daarbij is het eveneens van belang het verschil tussen "early adopters" en volgers niet groter te laten worden.

Want volgens de AI-barometer heeft de technologie een significante positieve impact op de competitiviteit. Dat blijkt uit een vergelijking met een vorige meting. Ten eerste maakte het gebruik van AI het voor 29% van de adopters – over alle sectoren heen - mogelijk om het afgelopen jaar nieuwe of aanzienlijk verbeterde goederen of diensten op de markt te brengen. Ten tweede kon 46% van de adopters het afgelopen jaar dankzij AI-technologie de kwaliteit van de ondernemingsprocessen verhogen. Ten derde kon 31,4% van de adopters dankzij AI- technologie de kosten reduceren. Grote bedrijven ervaren het vaakst een positieve impact op het vlak van de kwaliteit van ondernemingsprocessen en kostenreductie. Microbedrijven leiden dan weer de dans op het vlak van AI-gedreven lanceringen van nieuwe of aanzienlijk verbeterde goederen of diensten.

1. AI bij Vlaamse bouwbedrijven

In de AI-Barometer van 2023 onderzoekt VLAIO het gebruik van de verschillende AI-technologieën bij Vlaamse bedrijven. Ook het huidig en toekomstig gebruik bij Vlaamse bouwbedrijven werd onder de loep genomen. De adoptie van ‘natural language generation’ kent een sterke stijging en wordt met een adoptiegraad van 14,0% de meest gebruikte AI-technologie. Dat wordt benut in AI-schrijftools, chatbots, spraakassistenten en andere AI-systemen die tekst produceren die mensen kunnen begrijpen. Daarna volgt gebruik van AI voor tekstanalyse (13,7%). Procesautomatisatie (9,2%), beeldherkenning (9,1%), machine learning (8,5%), en spraakherkenning (7,5%). Autonome machines of robots die taken uitoefenen zonder menselijke tussenkomst, blijven met een adoptiegraad van 3,9% eerder een zeldzaamheid.

De impact van de huidige vooruitgang in AI-technologie is sinds de introductie van ChatGPT duidelijk revolutionair. Toch is AI ook in de bouwsector geen volledig nieuw concept. Al decennialang worden vormen van AI gebruikt ...