نمایشگاه ساختمان ۲۰۲۵: عاملهای هوش مصنوعی «سوژه داغ» شدند
اینکه تنها در یک سال چه میزان تغییر در دنیای فناوری ساختوساز رخ میدهد، واقعاً چشمگیر است.
حاضران روز دوم نمایشگاه اخیر Buildings Show در تورنتو شنیدند که چگونه Agentic AI یا «هوش مصنوعی عاملمحور» به سرعت در حال تبدیل شدن به موج سوم هوش مصنوعی در صنعت ساختوساز است؛ مرحلهای فراتر از مدلهای زبانی بزرگ (LLMs) و گردشکارهای خودکار که اکنون جهانی از سیستمهای مستقل ایجاد میکند—سیستمهایی که برنامهریزی میکنند، پروژهها را پایش میکنند، وظایف را بهروزرسانی میکنند و حتی کدنویسی انجام میدهند.
ماهِر دینْدسا (Mahir Dheendsa)، متخصص نوآوری دیجیتال در شرکت Amrize (که پیشتر Lafarge بود) و میزبان جلسهای با عنوان «عاملهای هوش مصنوعی و نیروی کار روباتیک: بازتصور آینده ساختوساز» گفت سرعت پیشرفت این فناوری چنان زیاد است که پیشنمایشی که چند ماه پیش برای برنامه نمایشگاه نوشته بود، اکنون دیگر بهروز و دقیق نیست.
او گفت: «عاملهای هوش مصنوعی امسال موضوع اصلی گفتگوها و تیتر اول دنیای AI بودهاند. ما عملاً پیشرفت بزرگی در رباتیک ندیدهایم، بنابراین از آن بخش میتوانم عبور کنم.»
دینْدسا توضیح داد پلتفرمهایی مانند n8n، Gemini Agent Studio، Make.com و Zapier توسعه عاملهای هوش مصنوعی را دموکراتیک کردهاند و اجازه میدهند متخصصان ساختوساز بدون دانش پیچیده برنامهنویسی، اتوماسیونهای اختصاصی بسازند. ابزارهای توسعه مولد مانند Lovable AI و Cursor حتی فراتر میروند—آنها میتوانند بر اساس متن، نرمافزار تولید، اصلاح و تست کنند و زمان معمول برنامهریزی و کدنویسی دستی را بهشدت کاهش دهند.
استدلال چندمرحلهای
او توضیح داد که مدلهای زبانی بزرگ تنها پاسخ تکمرحلهای ارائه میدهند، بدون ابزار یا اقدام. گردشکارهای AI توالی ثابتی از مراحل را طی میکنند و میتوانند چندین اپلیکیشن را متصل کنند، اما فاقد استدلال و قضاوت هستند. اما یک «عامل هوش مصنوعی» مانند یک هوش مستقل عمل میکند—دارای استدلال چندمرحلهای، استفاده از ابزارها و APIها، ارزیابی، آزمون مجدد و خلق راهحلهای جدید.
دینْدسا یک مثال از هماهنگی زنجیره تأمین ارائه داد: گروهی ۲۰ نفره در کارگاه بیکار ماندهاند زیرا تیرهای فولادی هنوز نرسیدهاند.
عامل هوش مصنوعی میتواند دادههای GPS تأمینکننده و وضعیت تولید را در لحظه دنبال کند، تأخیر را سه روز زودتر پیشبینی کند و پیشنهاد دهد زمان اجاره جرثقیل تغییر یابد.
مثال دیگر درباره تغییر سفارشهاست. یک پیمانکار فرعی صورتحسابی برای «کار اضافه» ارسال میکند اما کسی به یاد ندارد این کار تأیید شده بوده یا نه. عامل هوش مصنوعی هزاران ایمیل، قرارداد و صورتجلسه را اسکن میکند و بررسی میکند آیا کار اضافی واقعاً بخشی از محدوده قرارداد اصلی بوده یا خیر.
دینْدسا گفت: «یک عامل هوش مصنوعی توانایی تصمیمگیری دارد. عامل پایش میکند و گزارش میدهد. مشکل را تشخیص میدهد و بر اساس معیارهایی که شما تعیین میکنید تصمیم میگیرد آیا لازم است این موضوع مطرح شود یا خیر. سپس مشخص میکند کدام تیم یا فرد باید مطلع شود.»
او گفت از ابزارهایی مانند Replit، Lovable و Cursor استفاده کرده و همه آنها میتوانند پاسخهای آماده برای RFPها تولید کنند.
«کافی است متن RFP را در اپلیکیشن Lovable کپی کنید و نرمافزار آماده میشود. اگر ایدهای دارید و میخواهید یک اپ بسازید، حتی لازم نیست کدنویسی بلد باشید. ایده را وارد کنید و برایتان اپ، وباپ یا وبسایت میسازد—هر چه نیاز داشته باشید.»
نقش انسان همچنان ضروری است
دینْدسا تأکید کرد که حضور انسان در حلقه تصمیمگیری همچنان ضروری است.
«این فناوری هنوز ممکن است اشتباه کند یا دچار خطاهای ادراکی (hallucinations) شود، اما در حال بهتر شدن است.»
او درباره Gemini 3 گفت: «میتوان گفت ۸۵ درصد کامل شده—خیلی خوب است.»
او هشدار داد ورود به راهحلهای AI زمانی خطرناک است که فرآیند اصلی خراب باشد: «فرآیندهای خراب را اتوماسیون نکنید.»
در میان خطرات مختلف، او «خطر اعتماد بیش از حد» را بسیار جدی دانست. «اعتماد هوش مصنوعی برابر با درستی آن نیست.» او گفت همواره باید خروجیهای فنی را با استانداردها و کدها تطبیق داد.
دینْدسا در مصاحبهای اشاره کرد مایکروسافت گزارش داده که مشاغل میدانی در ساختوساز کمترین تهدید را از سوی AI دارند—به دو دلیل:
اول اینکه اپراتورهای لایروب یا جرثقیل با «اجزای متحرک بسیار زیاد» مواجهاند. دوم اینکه داده کافی از شرایط واقعی کارگاه برای اتوماسیون کامل جمعآوری نشده است.
او افزود: «سادهترین فرصتها در کارهای اداری مانند ورود داده و گردشکارهای تکراری است. پس بگذارید از همانجا شروع کنیم. مانع ورود امروز از همیشه کمتر است… توصیه میکنم همین امروز شروع کنید، زیرا حتی اگر ۱۰۰ درصد کار را انجام ندهد، حداقل شما را ۸۰ درصد جلو میبرد.»
