Ηγέτες σκέψης
Ο πυρετός του χρυσού στα κέντρα δεδομένων: πώς η AI βοηθά τις κατασκευαστικές εταιρείες να κερδίσουν

Βασικά σημείαΗ κατασκευαστική βιομηχανία πρέπει να υιοθετήσει τεχνητή νοημοσύνη για τη διαχείριση…
Δείτε περισσότερα
- Η κατασκευαστική βιομηχανία πρέπει να υιοθετήσει τεχνητή νοημοσύνη για τη διαχείριση έργων κέντρων δεδομένων αξίας 6,7 τρισεκατομμυρίων δολαρίων έως το 2030.
- Η τεχνητή νοημοσύνη μπορεί να αντιμετωπίσει την κρίση εργατικού δυναμικού και τις αυτοκτονίες στον κλάδο κατασκευών, παρακολουθώντας μοτίβα ασφάλειας των εργαζομένων.
- Οι υπερκλιμακωτές εταιρείες χρειάζονται κατασκευαστικούς συνεργάτες που αντικαθιστούν ξεπερασμένα συμβόλαια με συν-ανεπτυγμένα μοντέλα απόδοσης.
Η άνθηση των κέντρων δεδομένων αποτελεί δοκιμασία για μια ολόκληρη γενιά στον κατασκευαστικό κλάδο: μπορεί ο κλάδος να καλύψει επιτέλους τα κενά υιοθέτησης τεχνολογίας με την ίδια AI που τροφοδοτεί την κούρσα;
Οι κατασκευές είναι κλάδος χαμηλών περιθωρίων κέρδους και μεγάλου όγκου, γενικά απρόθυμος απέναντι στην καινοτομία και αργός στην υιοθέτηση τεχνολογίας. Αντιμετωπίζει επίσης σημαντικές προκλήσεις: συνεχή έλλειψη εργατικού δυναμικού, ανεπαρκή συνεργασία και υψηλά ποσοστά αυτοκτονιών και υπερδοσολογίας.
Στο μεταξύ, αυξάνονται οι εξωτερικές πιέσεις. Μέχρι το 2030, τα έργα κέντρων δεδομένων αναμένεται να προσελκύσουν επενδύσεις σχεδόν 6,7 τρισεκατομμυρίων δολαρίων παγκοσμίως. Οι κατασκευαστικές εταιρείες βρίσκονται στο επίκεντρο της υλοποίησης αυτών των τεράστιων επενδύσεων, με πολλές ευκαιρίες μπροστά τους. Είναι όμως έτοιμες για όλες τις σχετικές πιέσεις; Όσες αξιοποιήσουν τις ευκαιρίες και ξεπεράσουν τις βασικές προκλήσεις θα κερδίσουν, διαχειριζόμενες τους κινδύνους καλύτερα και εξυπνότερα. Αυτό απαιτεί την ίδια AI που κινεί την άνθηση των κέντρων δεδομένων και την ανάδειξή τους σε εταίρους των hyperscalers και των επιχειρήσεων κοινής ωφέλειας.
Οι τρεις βασικές προκλήσεις
Αγώνας με τον χρόνο
Οι hyperscalers, όπως οι γίγαντες της Silicon Valley, θέλουν επειγόντως τα κέντρα δεδομένων τους σε λειτουργία. Εργαλεία όπως το ChatGPT αυξάνουν συνεχώς τη ζήτηση υπολογιστικής ισχύος. Για τις κατασκευές, αυτό σημαίνει ολοκλήρωση έργων με μέγιστη αποδοτικότητα και ελάχιστους χρονικούς περιορισμούς. Κάθε καθυστέρηση μεταφράζεται σε τεράστιες δαπάνες και ανατροπές για τις ανταγωνιζόμενες τεχνολογικές εταιρείες.
Ελλείψεις προσωπικού, αυτοκτονίες και αργή υιοθέτηση τεχνολογίας
Κάθε έργο υπερμεγάλης κλίμακας απαιτεί πολλούς εργαζομένους επί τόπου, δηλαδή 1.500 εργαζομένους στο εργοτάξιο, με ανάγκη για κορυφαία προγράμματα EHS. Είναι μεγάλη πρόκληση για έναν κλάδο που ήδη αντιμετωπίζει σοβαρή έλλειψη εργατικού δυναμικού.
Η έλλειψη εντείνεται από βαθύτερη κρίση: ο κατασκευαστικός κλάδος των ΗΠΑ έχει πλέον ένα από τα υψηλότερα ποσοστά αυτοκτονιών μεταξύ των μεγάλων κλάδων. Με την άνθηση των κέντρων δεδομένων και σχετικά παρωχημένες μεθόδους, οι εταιρείες καλούνται να κάνουν περισσότερα και ταχύτερα με προσωπικό ήδη στα όριά του. Η στήριξη ανάπτυξης που τροφοδοτείται από AI, παράλληλα με θεμελιώδεις δυσκολίες και μεγάλη εξάρτηση από χειροκίνητες διαδικασίες, είναι μη βιώσιμη.
Ένα υπερφορτωμένο και παρωχημένο ηλεκτρικό δίκτυο
Η ζήτηση ηλεκτρικής ενέργειας για τα κέντρα δεδομένων αναμένεται να διπλασιαστεί στα επόμενα τέσσερα χρόνια. Στο μεταξύ, η «προειδοποιητική λυχνία κινητήρα» του δικτύου είναι αναμμένη. Η παραγωγική ισχύς ήδη δεν καλύπτει τη ζήτηση και οι καθυστερήσεις αδειοδότησης για αναβάθμιση υποδομών αυξάνουν το κόστος. Αυτά απειλούν σημαντικά την ενεργειακή ασφάλεια όλων των εμπλεκομένων, συμπεριλαμβανομένου του κατασκευαστικού κλάδου.
Για να παρακάμψουν τα προβλήματα, οι hyperscalers απομακρύνονται από το δίκτυο, εξασφαλίζοντας τη δική τους ηλεκτρική ενέργεια. Οι δυνάμεις αυτές έχουν αλυσιδωτές επιπτώσεις στις κατασκευαστικές εταιρείες που εξυπηρετούν hyperscalers και επιχειρήσεις κοινής ωφέλειας. Αναμένονται καλύτερος συντονισμός, καλύτερη διαχείριση έργων και πρακτικά μηδενικές αποκλίσεις από το χρονοδιάγραμμα.
Τα πεδία όπου η AI έχει μεγάλο αντίκτυπο
Η AI και η ανάλυση σε πραγματικό χρόνο βοηθούν ουσιαστικά τις κατασκευαστικές εταιρείες να διαχειρίζονται αποτελεσματικότερα οικονομικούς και λειτουργικούς κινδύνους, κινδύνους εφοδιαστικής αλυσίδας και EHS. Τα ενσωματωμένα εργαλεία AI και η ανάλυση στη διαχείριση έργων επιτρέπουν στους υπευθύνους να παρακολουθούν όχι μόνο τρέχουσες δαπάνες και σημεία συμφόρησης αλλά και πιθανά κόστη και απειλές μήνες νωρίτερα. Σε έργα της τάξης των εκατό εκατομμυρίων δολαρίων, η επισήμανση κρίσιμων λεπτομερειών πριν διογκωθούν έχει σημαντικές οικονομικές συνέπειες.
Επιπλέον, η AI κάνει τις κατασκευές πιο ανθρώπινες, προστατεύοντας τους εργαζομένους επί τόπου. Μπορεί να εντοπίζει μοτίβα όπως μεγάλες βάρδιες, υπερβολικές μετακινήσεις και επικίνδυνη συμπεριφορά στο εργοτάξιο, ώστε οι διευθυντές να προστατεύουν προληπτικά το προσωπικό πριν από μια κρίση.
Ωστόσο, πρέπει να ξεπεραστεί η ευρεία απροθυμία υιοθέτησης εργαλείων AI. Πρόσφατη έρευνα της ASCE διαπίστωσε ότι μόνο το 27% του κλάδου χρησιμοποιεί AI στις δραστηριότητές του. Η εξάρτηση από χειροκίνητες διαδικασίες αφήνει κρίσιμες λεπτομέρειες και κινδύνους να διαφεύγουν, αποδυναμώνοντας τη δυνατότητα ελέγχου, την ιχνηλασιμότητα και τη λογοδοσία. Εμποδίζει επίσης τις εταιρείες να γίνουν εταίροι ικανοί να ακολουθήσουν τις καταιγιστικές απαιτήσεις των hyperscalers.
Η ίδια έρευνα δείχνει και τον θετικό αντίκτυπο: το 94% εκείνου του 27% που ήδη χρησιμοποιεί AI σκοπεύει να αυξήσει τη χρήση της. Η πεποίθηση των πρώτων χρηστών στέλνει μήνυμα σε όλο τον κλάδο ότι η AI ήδη προσφέρει μετρήσιμη αξία για τη βελτίωση του EHS, της διαχείρισης έργων, των ταμειακών ροών και των εφοδιαστικών αλυσίδων.
Από εργολάβος σε εταίρο
Στον ρυθμιζόμενο κλάδο κοινής ωφέλειας, οι παραδοσιακές συμβάσεις συχνά παραβλέπουν την επιβράβευση αποτελεσμάτων και επιδόσεων. Η χρέωση των εργολάβων βάσει χρόνου και υλικών μπορεί να παρατείνει τα χρονοδιαγράμματα και να αυξήσει τα τιμολόγια. Έτσι δημιουργείται ενσωματωμένο κίνητρο επιμήκυνσης έργων σε σύστημα που επιβραβεύει την αναποτελεσματικότητα αντί την εξοικονόμηση και την καλή απόδοση. Αυτό αυξάνει τους λογαριασμούς των καταναλωτών και επιβραδύνει την υιοθέτηση τεχνολογίας στα οικονομικά και στις λειτουργίες της κατασκευαστικής πλευράς. Σε έργο κέντρου δεδομένων ενός δισεκατομμυρίου δολαρίων, λίγοι μήνες καθυστέρησης σε σύμβαση χρόνου και υλικών σημαίνουν δεκάδες εκατομμύρια δολάρια επιπλέον κόστους για ιδιοκτήτες και χρηματοδότες.
Αντί γι’ αυτό, χρειάζεται ένα μοντέλο κοινής ανάπτυξης, όπου hyperscalers, κατασκευαστικές εταιρείες και επιχειρήσεις κοινής ωφέλειας συνεργάζονται για τον σχεδιασμό, τη χρηματοδότηση και τη λειτουργία των απαιτούμενων υποδομών.
Εμφανίζεται επίσης συμβιωτικό σύστημα επιβράβευσης: οι hyperscalers προσφέρουν κεφάλαιο, οι επιχειρήσεις κοινής ωφέλειας τεχνογνωσία υποδομών και ο κατασκευαστικός κλάδος υλοποιεί τα κέντρα δεδομένων. Τα καλά οικονομικά αποτελέσματα και η επιτυχία των έργων αποτελούν βασικά κριτήρια αξιολόγησης εργολάβων, επιβραβεύοντας τεχνολογικά ικανές εταιρείες που αναδεικνύονται σε εταίρους καινοτομίας.
Ο πυρετός του χρυσού στα κέντρα δεδομένων φέρνει κινδύνους αλλά και αναμφισβήτητες ευκαιρίες για εταιρείες που αγκαλιάζουν την τεχνολογική καινοτομία. Η προτεραιότητα στις ψηφιακές λύσεις, μαζί με κοινή ανάπτυξη, θα ξεχωρίσει τους νικητές από όσους μένουν πίσω σε έναν από τους ταχύτερα αναπτυσσόμενους τομείς της οικονομίας των ΗΠΑ.













