وتعيد تشكيل الاستخبارات الفنية أساساً الطريقة التي يتبع بها المهندسون تخطيط المشاريع، والانتقال من اتخاذ القرارات التفاعلية إلى استراتيجيات التنبؤية، التي تحركها البيانات، وبإدماج الخوارزميات المتقدمة في خطط سير العمل، يمكن للمنظمات أن تقلل من عدم اليقين وتعجل بالجداول الزمنية وتضع هياكل أساسية أكثر مرونة، مع التحكم في التكاليف، وتدرس هذه المادة القدرات الأساسية التي تتيحها مبادرة " AI " لتخطيط المشاريع الهندسية، ومن التصميم الأمثل إلى إدارة المخاطر.

ما يعنيه "آى" لتخطيط المشاريع الهندسية

وتشير منظمة العفو الدولية في مجال الهندسة إلى مجموعة من التكنولوجيات - التعلم الملاحي، وتجهيز اللغات الطبيعية، والرؤية الحاسوبية، ونظم الخبراء - التي تعزز الحكم الإنساني، وخلافاً لأدوات التخطيط التقليدية القائمة على القواعد، تتعلم نظم المعلومات الآي من البيانات التاريخية والمدخلات في الوقت الحقيقي لتحديد الأنماط والنتائج المتوقعة والتوصية بالإجراءات، وهذا يعني بالنسبة لمخططي المشاريع، القدرة على محاكاة السيناريوهات التي لا تحصى، وكشف المعاليات الخفية باستمرار مع ظهور معلومات جديدة.

وتبرز نماذج الأنشطة المنفذة تنفيذاً مشتركاً في معالجة التعقيدات المتأصلة في المشاريع الهندسية الكبيرة: آلاف المهام، وتقلب التكاليف المادية، وقلة معاليات الطقس، والقيود المفروضة على العمل، والمتطلبات التنظيمية، حيث يمكن لمخطط بشري أن يعتمد على افتراضات ثابتة، يمكن لنظام التنفيذ أن يكيف بشكل دينامي تخصيص الموارد وتسلسلها استناداً إلى بيانات حية، مما يقلل بدرجة كبيرة من خطر حدوث تأخيرات باهظة.

الاستحقاقات الأولية للمنشطات المنفذة تنفيذاً مشتركاً في تخطيط المشاريع

Accuracy in estimates

ومن أكثر الفوائد التحويلية التي تعود على الشركة قدرتها على توليد تقديرات دقيقة للتكاليف والزمن، ويمكن أن تمثل نماذج التعلم الآلات التي تم تدريبها على بيانات المشاريع التاريخية متغيرات كثيرا ما تغفل فيها الأساليب اليدوية عن المواصفات، مثل موثوقية الموردين، والظروف الجيولوجية الخاصة بالموقع، أو التباينات في الإنتاجية الموسمية.() وقد خلصت دراسة أجريت في عام 2023 بواسطة McKinsey إلى أن التقديرات القائمة على أساس المقياس المدفوع بمؤشرات تخفض بنسبة 30 في الميزانية

التخفيضات الهامة في الوقت

(أ) أن يقوم المخططون بتجديد مهام التخطيط مثل حساب المسارات الحرجة، وترتيب الموارد، والتدقيق في القيود، وبدلاً من قضاء أيامهم في تحديث الرسومات يدوياً، يمكن للمخططين استخدام أدوات آي التي تعيد استكمال الجداول في ثواني حدوث تغيير، ففي مشروع تشييد جسر مثلاً، قام مساعد في التخطيط بخفض مرحلة التخطيط بنسبة 40 في المائة تقريباً مع تحسين الالتزام بالمعلم.

كفاءة التكاليف من خلال تحقيق الاستخدام الأمثل

وتحدد منظمة العفو الدولية فرص تحقيق وفورات في التكاليف التي قد يفتقدها البشر، فعلى سبيل المثال، يمكن أن تحقق خوارزميات التعلم المعززة التوقيت الأمثل للمشتريات المادية للاستفادة من شدة الأسعار، أو توصي باستراتيجيات استئجار المعدات التي تقلل من الوقت المعطل إلى أدنى حد.() وأشار تقرير من IEE] إلى أن الشركات الهندسية التي تستخدم تكنولوجيا المعلومات لأغراض التخطيط لسلسلة الإمداد أبلغت عن انخفاض متوسطه بنسبة 15 في المائة في تكاليف المشتريات.

إدارة المخاطر الاستباقية

ويمكن للمحللين الافتراضيين أن يسمحوا لمديري المشاريع بكشف المخاطر قبل أن تحدثها أسابيع أو أشهر، ويمكن لنماذج التنفيذ أن تكشف علامات الإنذار المبكر - مثل شذوذ سرعة الميزانية، وثغرات أداء المتعاقدين من الباطن، أو تحولات نمط الطقس - وتحفز سير العمل على التخفيف، وعلى سبيل المثال، فإن نظام رصد توسيع الطرق السريعة قد أدى إلى احتمال حدوث نقص ملموس في الإمدادات قبل ثلاثة أسابيع، مما يتيح للفريق الحصول على تأخير بديل.

التطبيقات العالمية الحقيقية عبر دورين الهندسة

التصميم الأمثل والهندسة المتجانسة

فالتصميم التجانسي، الذي تولته منظمة العفو الدولية، يتيح للمهندسين تحديد القيود الرفيعة المستوى (احتياجات الحمولة، وأنواع المواد، والحد من الوزن) ثم يولد تلقائيا آلاف البدائل القابلة للتصميم، ويقيِّم المعهد كل خيار على أساس معايير الأداء، ويقدم كبار المرشحين لاستعراض الإنسان، وقد استخدمت شركات الفضاء الجوي مثل بوينغ هذا النهج لخفض وزن المكونات بنسبة 20 في المائة مع الحفاظ على السلامة الهيكلية.

وفي مجال الهندسة المدنية، تساعد منظمة العفو الدولية على تحقيق الحد الأمثل من مخططات صدع الجسور، ووضع خطط أرضية للتهوية الطبيعية، وطرق الأنابيب التي تتجنب المخاطر الجيولوجية، وليس نتيجة ذلك مجرد دورات تصميم أسرع، بل حلولاً قد تستغرق وقتاً طويلاً جداً بالنسبة للبشر لكي يستكشفوا يدوياً.

تخصيص الموارد الدينامية

ويمكن لنماذج التعلم في مجال الآلات أن تتنبأ بمدة العمل بدقة عالية عن طريق تحليل المشاريع السابقة والظروف الراهنة، وتغذي هذه النماذج أدوات الجدولة التي تحركها الوكالة والتي تكيف تخصيص الموارد في الوقت الحقيقي، وعلى سبيل المثال، إذا انقطعت الرافعة، يعيد النظام فوراً حساب الأثر على جميع المهام المعالَلة ويقترح إعادة توزيع العمال بسرعة للتقليل من وقت التعطل.

وتستخدم بعض النظم المتقدمة التعلم في مجال تعزيز القدرات من أجل تطوير الجداول الزمنية بصورة مستمرة، بحيث يعامل كل يوم كخطوة تعلم، وقد تم نشر هذا النهج في مشاريع البنية التحتية الواسعة النطاق للحفاظ على التقدم حتى في مواجهة حالات انقطاع سلاسل الإمداد أو نقص العمالة غير المتوقعة.

استراتيجيات تقييم المخاطر والتخفيف من آثارها

وتعزز منظمة العفو الدولية مصفوفات المخاطر التقليدية من خلال تحديد مدى احتمال حدوثها وأثرها باستخدام بيانات تاريخية، ويمكن تدريب شبكة عصبية على آلاف المشاريع المنجزة لتحديد العوامل التي تؤدي في معظم الأحيان إلى تجاوز التكاليف أو التأخيرات، وعندما يتم تحميل مشروع جديد في النظام، فإنها ترفع تلقائياً علم المناطق الشديدة الخطورة - مثل الاعتماد على متعاقد من الباطن واحد للعمل الحرج - وتقترح خططاً للتخفيف من حدة المخاطر.

فعلى سبيل المثال، قامت أداة من أدوات مبادرة AI تستخدم في تخطيط المزارع الريحية البحرية بتحليل بيانات التربة وأنماط الطقس ومدى توافر السفن للتوصية بأكبر نوافذ تركيبية للمؤسسة، مما يقلل من التأخيرات المتصلة بالطقس بنسبة 25 في المائة.

مراقبة الجودة والتفتيش

(ب) تُجري رؤية حاسوبية للمبادرة التصويرية بواسطة الطائرات الآلية أو كاميرا تُغذيها لتفتيش نوعية البناء والامتثال للأمان، ويمكنها أن تكتشف الشقوق أو الأخطاء أو معدات الأمان المفقودة أسرع وأكثر اتساقاً من المفتشين البشريين، وتتيح هذه الحلقة المرتدة في الوقت الحقيقي لمديري المشاريع تصحيح المسائل قبل أن يُعقّدوا، مما يوفّر الوقت وتكاليف إعادة العمل.

إدماج التنفيذ المباشر في تدفقات العمل الحالية للمشاريع

القدرة على قراءة البيانات والهياكل الأساسية

ويعتمد اعتماد الوكالة بنجاح على بيانات نظيفة ومنظمة، إذ يجب على الشركات الهندسية أن تستثمر في رقمنة سجلات المشاريع السابقة، وتوحيد صيغ البيانات، وإنشاء قواعد بيانات يمكن الوصول إليها، وتوفر البرامج القائمة على السحاب التي تجمع كل شيء من التقارير المرحلية اليومية إلى قراءات الاستشعار المواد الخام لنماذج التنفيذ المشترك، وبدون هذه الأساس، فإن أكثر الخوارزميات تطوراً ستنتج نواتج غير موثوقة.

اختيار الأدوات الصحيحة للمعارف

ولا يناسب كل مشروع من مشاريع أدوات التنفيذ المباشر، وينبغي أن تقيّم الأفرقة الحلول القائمة على عوامل مثل قابلية التفسير النموذجية (هل يمكن للمخطط أن يفهم سبب تقديم توصية؟)، وسهولة التكامل مع البرامجيات القائمة (مثلاً، مشروع بريمافيرا، ومشروع خدمات الدعم والإدارة)، وإمكانية التصعيد، وتشمل بعض الفئات الشعبية ما يلي:

  • Predictive analytics suites (مثلاً، أوراكل بريمفيرا كلود مع AI, Safran Risk)
  • Generative design platforms] (مثل التصميم المغنّي الآلي، PTC Creo)
  • ] أدوات تفتيش رؤية الوصلات (مثل البناءات، والنفاذ المفتوح)
  • AI scheduling Assistants] (مثل تكنولوجيات ALICE، نبض)

تعزيز قوة العمل

(أ) إنّها أداة، وليست بديلاً للمهندسين ذوي الخبرة، فالأفرقة بحاجة إلى تدريب لا لتشغيل نظم المعلومات الإدارية فحسب، بل أيضاً لتفسير النواتج بشكل حاسم، إذ تُنشئ شركات كثيرة " أبطال المؤسسة " في إطار كل فريق من أفرقة المشاريع لسد الفجوة بين الخبراء التقنيين والمخططين، وتساعد برامج التعلم المستمر وحلقات العمل والشراكات مع الجامعات على الحفاظ على المهارات الحالية.

التحديات والنظر في المسائل الأخلاقية

نوعية البيانات ومدى توافرها

ولا تصلح نماذج التنفيذ إلا بقدر ما تتعلمه من البيانات، فالبيانات غير الكاملة أو المتحيزة أو غير المتسقة للمشاريع يمكن أن تؤدي إلى التنبؤات المعيبة، فعلى سبيل المثال، قد يؤدي نموذج مدرب في معظمه على تشييد الطرق السريعة أداء ضعيفا في نفق فرعي، ويجب على الشركات أن تضع ممارسات لإدارة البيانات وأن تضمن أن تكون مجموعات بيانات التدريب ممثلة للمشاريع التي تعتزم دعمها.

Algorithmic Bias and Fairness

وإذا كانت البيانات التاريخية تعكس أوجه التحيز النظامي - مثل التمثيل الناقص لبعض المتعاقدين من الباطن أو المناطق - أي قد تؤدي إلى إدامة أوجه عدم المساواة، ويجب على المهندسين مراجعة النواتج النموذجية من أجل الإنصاف وتعديل بيانات التدريب أو الخوارزميات تبعاً لذلك، والشفافية في كيفية اتخاذ القرارات أمر حاسم للحفاظ على الثقة فيما بين أصحاب المصلحة.

أمن الفضاء الإلكتروني والمسؤولية

(ب) زيادة الاعتماد على مبادرة مكافحة الإرهاب، مما يؤدي إلى مخاطر جديدة تتعلق بالأمن السيبراني، وقد يؤدي وجود نظام مُحدَّث للترتيبات في إطار نظام تحديد مواعيد التنفيذ إلى حدوث إخفاقات في التأشيرات، وبالإضافة إلى ذلك، لا تزال المسائل القانونية المتعلقة بالمسؤولية عن القرارات التي تتخذها منظمة العفو الدولية دون حل، ومن المسؤول إذا أوصت منظمة العفو الدولية بوضع تصميم يُغفل لاحقاً؟ ينبغي للشركات الهندسية أن تعمل مع الأفرقة القانونية لوضع سياسات واضحة والحفاظ على الرقابة البشرية على الاختيارات العالية.

المستقبل المرتقب للمعونة في التخطيط الهندسي

وتتسارع التطورات في مجال التنفيذ، وننتقل إلى نظم " التخطيط الشامل " التي يمكن أن تخلق وتدير جداول المشاريع بأقل قدر من التدخل البشري، باستثناء الموافقة الاستراتيجية، وسوف يجري باستمرار تحديث التوأم الرقمية - الارتداد الفيذي للمشاريع المادية - بواسطة بيانات الاستشعار وتحليلات AI، مما يتيح إجراء محاكاة في الوقت الحقيقي لأوامر التغيير أو إعادة توزيع الموارد.

كما أن ارتفاع مستوى الجيل الأول من الجيل (نماذج اللغات الواسعة) يتيح إمكانيات للوصلات البينية للغة الطبيعية، ويمكن لمدير المشروع أن يسأل ببساطة، ما هو أفضل طريقة لضغط الجدول الزمني لمدة أسبوعين نظراً للقيود الحالية في الموارد؟ وأن يتلقى خطة مفصلة مشفوعة بتفسيرات متبادلة.

وعلاوة على ذلك، وكما يتبين من research published in Nature]]، يمكن الآن أن تساعد في تصميم نظم هيكلية كاملة تفوق الحلول التي يولدها الإنسان بنسبة تصل إلى 30 في المائة في الكفاءة، وفي حين أن الاعتماد الواسع النطاق سيستغرق وقتا، فإن الاتجاه واضح: سوف تصبح منظمة العفو الدولية شريكا لا غنى عنه في تخطيط المشاريع الهندسية.

وينبغي للمربين والممارسين في مجال الهندسة على السواء أن يستكشفوا هذه التكنولوجيات بنشاط، وأن يجربوها على المشاريع الحقيقية، وأن يتبادلوا الدروس المستفادة، ومن خلال إحياء الفكر والمسؤولية، يمكن للمهنة الهندسية أن تقدم مشاريع أكثر أمانا وأسرع وأكثر استدامة.