Becslések szerint az üvegházhatású gáz-kibocsátás akár 40 százalékát is adhatják a kereskedelmi ingatlanok, így a klímavédelmi célok megvalósításához kulcskérdés azok dekarbonizációja. Silvia Prieto, az Amazon Web Services (AWS) „Global Financial Services” részlege generatív mesterséges intelligenciáért és gépi tanulásért felelős vezetője szerint hatalmas lehetőség van a már meglévő épületeinkből évek óta gyűjtött adatok hasznosításában, azonban ehhez az MI bevetése mellett a munkavégzés módjának megváltoztatására is szükség van.

Nagy változások jönnek

„Azon épületek esetében, amelyekben például a Schneider Electric rendszereit is használják, sok évnyi adat áll rendelkezésre. Ezeket gépi tanulás révén könnyen lehet elemezni és olyan információt előállítani belőlük, amely hatékonyabbá teszi az ingatlan üzemeltetését” – mondta el Silvia Prieto.

Az AWS szakembere szerint két fő tényező gátolja jelenleg, hogy a kereskedelmi ingatlanokban szélesebb körben is alkalmazzák a mesterséges intelligenciát. Az egyik, hogy hiába áll rendelkezésre hatalmas mennyiségű adat, ha azok nem a megfelelő formátumban vannak, ezért a régi rendszerekbe, alkalmazásokba zárt adatokat integrálni kell. Emellett egy kulturális váltásra is szükség van, hiszen a munkavégzés módja változik, így mindenkinek tovább kell képeznie magát. „A cégeknek be kell fektetniük a munkavállalók képzésébe, fejlesztésébe és a változásmenedzsmentbe, mert az egyértelműen látszik, hogy a dolgok változni fognak az épületüzemeltetésben is. Ez persze nem egyik napról a másikra történik, hanem egy folyamat, de rá kell venni az embereket, hogy velük tartsanak ezen az úton” – tette hozzá Silvia Prieto.

A szakember arra is rámutatott, hogy a nagy nyelvi modellek (LLM) szuperereje az írás-olvasásban van, vagyis nagy mennyiségű szöveget tudnak az emberi képességekhez mérten elképesztően gyorsan átolvasni, majd azok alapján szöveget írni. Ez pedig hatalmas erőforrást jelenthet a cégek számára, hiszen nagyon gyorsan készíthetnek elemzéseket, összefoglalókat. A beérkező adatok azonnali elemzése alapján például nemcsak azt tudják megállapítani az MI-t használó rendszerek, hogy az adott épületben milyen probléma van, de akár még annak kijavítására is javaslatot tehetnek – rendkívüli mértékben megkönnyítve a karbantartók munkáját.

Szükség van a megfelelő kompetenciára

Sarah Calder, a Skanska Group „AI capability” menedzsere szintén hangsúlyozta, hogy a mesterséges intelligencia technológia használatához mindenképpen szükség van az adatok struktúrálására. Ez ugyanakkor nem feltétlenül egyszerű feladat az építőipar esetében, hiszen az építési projektek jellemzően nagyon egyediek.

A másik fontos tényező ahhoz, hogy ebben a szektorban is általánosabbá váljon az MI alkalmazása, a megfelelő kompetencia kialakítása. „Nem kell varázslónak lenni ahhoz, hogy valaki használni tudja a mesterséges intelligencia-alapú rendszereket, de kell a megfelelő tudás ahhoz, hogy legyen az embereknek önbizalmuk a használatukhoz, illetve bízzanak abban a támogatásban, amit ez az eszköz nyújt” – jelezte Sarah Calder.

Az építőipari MI-kirakós utolsó darabkáját pedig az esettanulmányok jelentik, az olyan gyakorlati tapasztalatok, amikor a mesterséges intelligencia már bizonyított, és meghozta az elvárt eredményeket, mind a büdzsé, mind a határidő, mind a károsanyag-kibocsátás csökkentése esetében.

A Skanska Group „AI capability” menedzsere több konkrét példát is említett arra, hogyan hasznosítják az MI-t a gyakorlatban. Így például jelentős szerepet tölthet be a tudásmegosztásban, hiszen segítségével a vállalaton belül felgyűlt hasznos ismeretek, tapasztalatok, nagyon gyorsan megoszthatók a világ különböző pontjain dolgozó csapatokkal, akik a technológia segítségével gyorsan, hatékonyan kutathatnak a rendelkezésre álló óriási mennyiségű információ között.

Egy másik, a Skanskánál már működő gyakorlati alkalmazás a fizikai biztonsághoz kapcsolódik. Az építkezéseken dolgozó nagy munkagépekre kamerákat szereltek fel, amelyek képét folyamatosan elemzi a mesterséges intelligencia. Amennyiben a veszélyesnek ítélt zónában ember tartózkodik, akkor az MI automatikusan leállítja a gépet.

Látványos eredmények

Jövőformáló vállalatként a Schneider Electric elkötelezett amellett, hogy támogassa a CO2-kibocsátást csökkentő és a hatékonyságot növelő megoldások elterjedését és bemutatását. A társaság EcoStruxure platformja az olyan megoldásokkal, mint az EcoStruxure Building Operation, az EcoStruxure Power Monitoring Expert, illetve az EcoStruxure Building Data Platform új szintre emeli az épületüzemeltetést és segíti a cégeket költségeik csökkentésében, valamint fenntarthatósági céljaik megvalósításában.

Az intelligens épületüzemeltetési technológiák hatásaira vonatkozó meggyőző bizonyíték a Schneider Electric új kutatásának eredménye. A vizsgálat kiderítette, hogy az irodaházakban található tárgyalók foglaltság-alapú vezérlése átlagosan 22 százalékos megtakarítást eredményezhet ezeknek a helyiségeknek az energiafelhasználásában és szén-dioxid-kibocsátásában.