AEC AI 计划为何停滞不前

[#1]

注意： 本文以其他语言撰写并发布，是此处发布的原文的译文。

“工程建设中的 AI：诊断、剧本、证明。第 2 部分阐述了 AEC 意识的采用手册。第 3 部分介绍用于实时 Revit 模型跟踪的工作模型上下文协议工具。

工程建设领域的对话已经不再是是否采用 AI 的问题。现在的问题是，为什么很少有举措能产生可衡量的成果。答案因行业而异。基于项目的工作、零散的数据、低利润、具有法律效力的图纸。这些都不符合大多数企业 AI 建议所遵循的手册。采用率正在赶上其他行业。价值获取则不然。

收养是真实的。价值获取则不然。

有两件事可能同时为真：工程建设公司采用人工智能的速度比两年前要快，但从中获取的价值却比他们预期的要少。

跨行业数据在这一点上是一致的。麻省理工学院的 NANDA 计划，基于 150 次高管访谈、350 名员工调查以及对 GenAI Divide：State of AI in Business（商业版） 2025 中的 300 项公共部署的分析，发现，95% 的企业生成式 AI 试点不产生可衡量的损益影响 [来源：麻省理工学院南达，2025 年]。普华永道对 1,217 家公司进行的另一项研究从不同的角度讲述了同样的故事：20% 的公司获得了 74% 的 AI 驱动的回报，而其他公司则进行从未复利的试点 [来源：普华永道人工智能绩效研究，2025 年]。

这两项研究均不是针对 AEC 的。但 AEC 特定数据跟踪的方向相同，而且更加清晰。

2025 年设计与制造现状调查了 5,594 名行业领导者。AECO 对人工智能的看法三年来首次下降。认为人工智能将提升其行业的比例从 2024 年的 78% 下降到 69% [来源：Autodesk 设计与制造现状，2025]。信任度下降了 11 分。建筑服务是最不乐观的 AECO 细分市场，为 57%。48% 的 AECO 领导者现在表示，人工智能将破坏其所在行业的稳定性。

每次技术高峰后，都会发生这样的情绪下降。有趣的问题不在于 AEC 是否已经过高峰期，而在于其它行业出现的故障模式是否相同，或者是否专门针对 AEC。

五种特定于 AEC 的故障模式

如果该手册在运行后起作用，那么“AEC 只需要迎头赶上”的框架将成立。事实并非如此。以下是五个原因。

基于项目的工作打破了复合循环。SaaS 公司使用累积的用户数据迭代单个产品。AEC 公司对数百个一次性项目进行迭代。每个项目启动一个新的数据集。依靠累积历史进行改进的工具不会累积历史。

成本控制胜过技术投资。在“设计与制造现状”数据中，40% 的施工服务领导者将成本控制视为最大挑战，而只有 23% 的领导者将技术和人工智能视为最大挑战 [源：Autodesk 设计与制造现状，2025]。建筑、石油和天然气以及建筑业主也遵循同样的模式。这些细分市场中的人工智能对话默认为“如何保护利润”，而不是“如何建立能力”。

图纸是法律文物。幻觉进入施工文档中的规范会产生其他行业聊天机器人输出所没有的责任。监管和保险叠加使得一攬子“人工智能助力一切”方法比演示中看起来更难扩展。

每个公司的 IT 容量较低。大多数非顶层级别的 AEC 公司都没有内部开发团队。他们的 BIM 经理身兼三职。“在整个企业中部署人工智能”的假设隐藏了技术或金融领域不存在的能力差距。

分包商执行差距。采用 AI 的公司往往不是从事体力劳动的公司。设计公司可以自动执行冲突检测;阅读已解决图纸的承包商位于不同的堆栈上，具有不同的激励措施。供应链一个节点的生产力提升不会向下传播。

为什么 SaaS 剧本在这里失效

McKinsey 的 智能体 AI 一年综合了 50+ 个企业建筑，并得出了一个违反直觉的教训：“这与经纪人无关;这是关于工作流的。”专注于该工具的公司会制作演示。公司重新设计工作流可实现成果， [源：麦肯锡智能体人工智能一年，2025 年]。

应用于工程建设，这意味着购买 100 个 Copilot 许可证并等待生产力不是一种策略，而是一种采购事件。底层工作流（谁审查什么、何时重新协调变更、如何发现冲突、如何流动）没有发生变化。因此，该值不会显示在 P&L 中。

在 2025 设计与制造现状报告中，南非公司 SAOTA 的高级BIM经理 Oliver Hall 直言不讳地描述道：“在成熟的公司中大规模集成此类技术可能并不总是可行的”[来源：Autodesk 设计与制造现状，2025]。约束不是 AI。这是您尝试将其插入的工作流。

没人愿意说出名字的文化摩擦

这是不舒服的部分。在按小时或交付成果计费的专业服务中，自动化自己工作的工程师威胁到他们的利用率。想一想。运行人工智能加速文档的设计公司可以更快地生成可交付成果，这听起来像是一种胜利，但基于时间和材料或文档计数合同的费用结构并不总是奖励更快地产生相同的交付成果。

工程建设公司以前也经历过这种情况，BIM 使计划作为一项交付成果措施变得毫无意义。一个模型可以生成任意数量的图纸，因此我们不得不转向衡量模型包含的内容：模型信息质量、模型演变跟踪、由数据而不是纸张定义的可交付成果。轮班还没有结束。

这是一个经济问题，而非培训问题，问题关乎 AEC 公司如何获得报酬。在费用模型和激励结构发生变化之前，个人采用保持理性，公司层面的价值获取保持在较低水平。46% 的 AECO 领导者现在表示，利用人工智能的能力将成为招聘的首要任务，高于 2024 年的 41% [来源：Autodesk 设计与制造现状，2025]。雇用具有人工智能能力的人进入惩罚他们效率提升的费用结构是毫无价值的采用秘诀。

那又怎样

诊断很重要，因为它决定了回复。如果故障模式是“AEC 落后”，则答案是“购买更多工具，更快”。如果故障模式是结构性的，答案就不同了：诊断 AI 在您的特定工作流程中实际适合的地方，尽可能更改费用逻辑，并抵制复制 SaaS 剧本的冲动，这些剧本从未设计用于基于项目、碎片化、责任受限的工作。

本系列的第 2 部分阐述了 AEC 意识手册：按职能进行成熟度评估、考虑项目经济效益的 ROI 衡量、专为分包执行的行业而设计的变更管理，以及不依赖于内部开发团队的样机到生产的路径。第 3 部分介绍了一个具体示例，即在数小时（而非数月）内构建的 Revit 连接工具，弥补了实施方面的一小部分差距，但确实如此。

---

来源

• Autodesk 设计与制造现状 2025 — autodesk.com
• 麻省理工学院南达，GenAI 鸿沟：2025 Business（商业版）中的人工智能现状 — nanda.media.mit.edu
• 普华永道，2025 年人工智能绩效研究 — pwc.com
• McKinsey，智能体 AI 元年：从从事工作者的六个经验教训（2025） — mckinsey.com