निर्माण लागत का अनुमान लगाने में एआई: क्या वास्तविक है, क्या अब भी केवल डेमो है और ठेकेदार कैसे पहचानें

निर्माण का काम ड्रॉइंग के आधार पर चलता है। किसी इमारत के लिए ठेकेदार बोली लगा सके, इससे पहले उसकी टीम का कोई सदस्य मात्रा-गणना करता है। वह योजना-पुंज देखता है—यानी परियोजना के लिए वास्तुकार और इंजीनियरों द्वारा जारी की गई पीडीएफ़ ड्रॉइंग का पूरा संग्रह—और उन सभी चीज़ों की गिनती और माप करता है जिनकी आपूर्ति और स्थापना ठेकेदार को करनी होगी: बिजली के सॉकेट, दरवाज़े, सिंक, दीवार की लंबाई के फ़ीट और फ़र्श का क्षेत्रफल। ये मात्राएँ लागत-अनुमान में दर्ज होती हैं—वह मूल्यांकित दस्तावेज़ जो बोली बनता है। बोली जीतने पर, डिज़ाइन में बदलाव के साथ अनुबंध में किए गए मूल्यांकित और हस्ताक्षरित संशोधनों यानी परिवर्तन-आदेशों में यही आँकड़े फिर सामने आते हैं।

मात्रा-गणना धीमी और दोहराव वाला काम है, और इसमें गलती महँगी पड़ती है; इसलिए यह एआई के लिए स्पष्ट लक्ष्य है। मैं ऐसा सॉफ़्टवेयर बनाता हूँ जो निर्माण-ड्रॉइंग पढ़ता है, और जिन ठेकेदारों से मेरी बात होती है, वे यह तय करने की कोशिश कर रहे हैं कि एआई के किन दावों पर भरोसा किया जाए। यहाँ बताया गया है कि मैं काम करने वाली चीज़ों और अब भी केवल डेमो रह गई चीज़ों में फ़र्क कैसे करता हूँ।

अपनाने की रफ़्तार से कहीं आगे है आशावाद

दो हालिया सर्वेक्षणों में इस अंतर को आँकड़ों में दिखाया गया है। दिसंबर 2025 में प्रकाशित Dodge Construction Network और CMiC के एक अध्ययन में, 87% ठेकेदारों ने कहा कि उन्हें उम्मीद है कि एआई इस उद्योग को बदल देगा, जबकि 19% ने कहा कि उन्होंने इसके लिए अपने कार्यप्रवाह ढाल लिए हैं।

सर्वेयरों की पेशेवर संस्था RICS ने निर्माण क्षेत्र के एआई पर अपनी 2025 की रिपोर्ट के लिए निर्माण क्षेत्र के 2,200 से अधिक पेशेवरों से सर्वेक्षण किया। लगभग 45% ने कहा कि उनके संगठनों में एआई लागू नहीं किया गया था, और 1% से भी कम ने बताया कि एआई का इस्तेमाल पूरे संगठन में पूरी तरह समाहित हो चुका था। Construction Dive ने इन निष्कर्षों को “संभावित फ़ायदों के बावजूद निर्माता एआई अपनाने में धीमे” शीर्षक के तहत प्रकाशित किया।

दो हालिया सर्वेक्षणों में आशावाद और एआई को अपनाने की स्थिति। आँकड़े: Dodge Construction Network और CMiC (दिसंबर 2025), RICS (2025)। चित्र: Bildrix

निर्माण-पूर्व चरण—यानी ज़मीन पर काम शुरू होने से पहले ठेकेदार द्वारा किए जाने वाले सभी काम, जैसे बोलियाँ, दस्तावेज़ों की समीक्षा और समय-निर्धारण—शुरुआत करने के लिए स्वाभाविक जगह है, क्योंकि इसके लिए आवश्यक सामग्री पहले से ही डिजिटल दस्तावेज़ों के रूप में होती है।

आज क्या काम करता है

योजना-पुंज पढ़ना अब एक व्यावहारिक सॉफ़्टवेयर श्रेणी बन चुका है। सॉफ़्टवेयर किसी पुंज में मौजूद शीटों को क्रमबद्ध करके उनके नाम दे सकता है, हर ड्रॉइंग का पैमाना पता कर सकता है, और इंजीनियर द्वारा उस परियोजना के लिए बनाई गई लीजेंड के आधार पर सॉकेट, लाइट फ़िक्स्चर और प्लंबिंग फ़िक्स्चर जैसे चिह्न गिन सकता है; साथ ही कमरों और दीवारों की माप भी ले सकता है। ड्रॉइंग में चिह्नों की पहचान पर कई वर्षों से सक्रिय शोध हो रहा है। 2021 में जारी FloorPlanCAD डेटासेट में 30 ऑब्जेक्ट श्रेणियों के अंतर्गत 10,000 से अधिक फ़्लोर प्लान पर निशान लगाए गए थे, ताकि शोधकर्ता इस काम के लिए मॉडल प्रशिक्षित और परख सकें।

दो अन्य क्षमताएँ भी व्यावहारिक इस्तेमाल में खरी उतरती हैं। पहली है ड्रॉइंग और विनिर्देशों के आधार पर सवालों के जवाब देना, जिसमें जवाब के साथ उस शीट का हवाला भी दिया जाता है जहाँ से जानकारी ली गई है, ताकि कोई व्यक्ति कुछ ही सेकंड में उसकी जाँच कर सके। दूसरी है समीक्षा की गई मात्राओं को लागत-अनुमान में शामिल करना—बशर्ते ठेकेदार की अपनी मूल्य-सूची में संबंधित मदें हों।

क्या अब भी केवल डेमो है

तीन दावों को लेकर ज़्यादा सतर्क रहना चाहिए।

ऐसी कीमतें जिनकी कोई समीक्षा न करे। सामग्री और श्रम की कीमतें क्षेत्र के अनुसार अलग होती हैं और बदलती रहती हैं। एआई द्वारा सुझाई गई कीमत एक उचित शुरुआती बिंदु हो सकती है, लेकिन उसे स्पष्ट रूप से सुझाव के रूप में चिह्नित किया जाना चाहिए और बोली में शामिल करने से पहले आपूर्तिकर्ता के कोटेशन से मिलाकर जाँचना चाहिए।

किसी भी इनपुट से हर निर्माण-कार्य की पहचान। साफ़ वेक्टर पीडीएफ़—यानी डिज़ाइन सॉफ़्टवेयर से सीधे निर्यात की गई फ़ाइलें—आसान मामला हैं। स्कैन की गई शीटें, ड्रॉइंग की फ़ोन से खींची गई तस्वीरें और अधूरे सेट अब भी समस्याएँ पैदा करते हैं, और अलग-अलग निर्माण-कार्यों के लिए कवरेज में काफ़ी अंतर होता है। बिजली के काम की ड्रॉइंग अच्छी तरह पढ़ने वाला टूल किसी दूसरे काम की शीटों को पढ़ने में बहुत कम सक्षम हो सकता है।

पूरी तरह स्वचालित बोलियाँ। बोली का फ़ैसला करने वाली बहुत-सी बातें ड्रॉइंग में कभी दिखाई ही नहीं देतीं: अलग-अलग निर्माण-कार्यों के दायरे में छूटी हुई कड़ियाँ, काम करने के तरीके और साधन, नवीनीकरण के दौरान पहले से मौजूद परिस्थितियाँ, समय-सारणी और ठेकेदार कितना जोखिम उठाने को तैयार है। लागत-अनुमानकर्ता उस आँकड़े पर हस्ताक्षर करता है और उसकी ज़िम्मेदारी लेता है।

आज व्यवहार में क्या खरा उतरता है और क्या अब भी केवल डेमो है। चित्र: Bildrix

डेमो देखने के चार संकेत

1. यह केवल विक्रेता की ड्रॉइंग पर चलता है। अपनी योजना-पुंज पर इसे चलाकर दिखाने को कहें—बेहतर होगा कि वह सबसे अस्त-व्यस्त सेट हो जिस पर आपने पिछली तिमाही में बोली लगाई थी।
2. यह बिना परिभाषा के सटीकता का एक ही आँकड़ा बताता है। किस चीज़ की गिनती में सटीकता, किन ड्रॉइंग पर और किस तरीके से मापी गई? हर मद का अलग-अलग ब्यौरा न देने वाला आँकड़ा आपको बहुत कम जानकारी देता है।
3. किसी चीज़ को चिह्नित नहीं किया गया है। हर मॉडल को किसी न किसी बात को लेकर अनिश्चितता होती है। जो टूल कभी अपनी अनिश्चितता नहीं दिखाता, वह उसे छिपा रहा है।
4. आख़िर में नतीजा स्प्रेडशीट के रूप में निर्यात होता है, जिसे कोई व्यक्ति लागत-अनुमान में दोबारा टाइप करता है। हर बार दोबारा टाइप किया गया आँकड़ा टाइपिंग की गलती का एक नया अवसर है।

किसी भी विक्रेता से पूछने लायक सवाल

• यह किन इनपुट को स्वीकार करता है, किन निर्माण-कार्यों को कवर करता है और क्या करने से इनकार करता है?
• यह अनिश्चितता कैसे दिखाता है, और मेरे किसी एक सेट की समीक्षा में कितना समय लगता है?
• क्या मैं नतीजे में बदलाव कर सकता हूँ, और क्या मेरे किए बदलाव लागत-अनुमान तथा बाद के संशोधनों में भी शामिल होते हैं?
• क्या मेरे डेटा से किसी के मॉडल प्रशिक्षित होते हैं, और इसे कहाँ संग्रहीत किया जाता है?

NIST AI Risk Management Framework अंतिम समूह के लिए एक उपयोगी संदर्भ है। इसमें भरोसेमंद AI की विशेषताओं में वैधता और विश्वसनीयता, सुरक्षा और लचीलापन, जवाबदेही और पारदर्शिता, तथा बेहतर गोपनीयता शामिल हैं। इनमें से हर विशेषता एक ऐसा सवाल बन जाती है जो ठेकेदार किसी विक्रेता से पूछ सकता है।

संदेह होना क्यों एक खूबी है

मॉडल अक्सर अपनी क्षमता से ज़्यादा भरोसा जताते हैं। Guo और उनके सहयोगियों ने 2017 में दिखाया कि आधुनिक न्यूरल नेटवर्क अक्सर ठीक से कैलिब्रेट नहीं होते। नेटवर्क जितनी बार सही होता है, उसका बताया हुआ आत्मविश्वास अक्सर उससे मेल नहीं खाता। कैलिब्रेशन को बेहतर किया जा सकता है और ऐसा हो जाने पर आत्मविश्वास का स्कोर काम की प्राथमिकता तय करने में मदद करता है। कम आत्मविश्वास वाले मामलों को किसी व्यक्ति के पास भेजा जाता है, जबकि ज़्यादा आत्मविश्वास वाले मामलों पर एक त्वरित नज़र डाली जाती है।

यह गुण मेरे लिए किसी भी प्रमुख फीचर से ज़्यादा मायने रखता है। कुछ सौ शीटों के सेट में हर गिनती को दोबारा जाँचने का समय किसी लागत अनुमानकर्ता के पास नहीं होता। लेकिन सॉफ़्टवेयर जिन कुछ दर्जन मदों को अनिश्चित बताता है, उन्हें जाँचने का समय उसके पास होता है। बोली पर हस्ताक्षर फिर भी लागत अनुमानकर्ता ही करता है, और अच्छे टूल इस समीक्षा को तेज़ बनाते हैं।

सॉफ़्टवेयर पढ़ता और गिनता है, एक व्यक्ति उन चीज़ों की समीक्षा करता है जिन पर उसे संदेह होता है, और लागत अनुमानकर्ता बोली पर हस्ताक्षर करता है। चित्र: Bildrix

Unite.AI ने हाल ही में Baber Javed का एक लेख प्रकाशित किया, जिसमें पेरोल, दाखिले और ऐसे अन्य क्षेत्रों के लिए AI तैयार करने की बात है जहाँ गलतियों की भारी कीमत चुकानी पड़ती है। उनका तर्क है कि वित्तीय या कानूनी परिणामों वाली हर चीज़ पर नियतात्मक नियमों का नियंत्रण होना चाहिए; मॉडल की भूमिका व्याख्या और स्पष्टीकरण देने की होनी चाहिए, और जहाँ गलतियों की कीमत ज़्यादा हो, वहाँ इंसान को समीक्षा करनी चाहिए। निर्माण-कार्य की बोली भी इसी श्रेणी में आती है।

आगे किन बातों पर नज़र रखें

मुझे उम्मीद है कि प्रगति का अगला साल शुरुआती मात्रा-गणना के बाद आएगा: ड्रॉइंग के संशोधनों की तुलना करना और बदली हुई मात्राओं को दोबारा टाइप किए बिना बदलाव आदेशों और इनवॉइस तक पहुँचाना। संशोधनों के दौरान ठेकेदारों को अक्सर बिना पता चले नुकसान होता है, क्योंकि जिस बदलाव की कीमत तय नहीं की गई, उस पर किया गया काम मुफ़्त में होता है।

अगर आप ठेकेदारी का व्यवसाय चलाते हैं और इनमें से किसी चीज़ को आज़माना चाहते हैं, तो इसे अपने ही ड्रॉइंग पर पायलट के तौर पर चलाएँ, हर आउटपुट की समीक्षा किसी व्यक्ति से करवाएँ और अपने आँकड़े लिखकर रखें: लगा हुआ समय, पकड़ी गई गलतियाँ और छूट गई गलतियाँ। इनसे आपको किसी भी विक्रेता के आँकड़ों से ज़्यादा सीखने को मिलेगा।

आपके नाम से जमा की जाने वाली बोली में मशीन द्वारा पढ़ी गई मात्रा पर भरोसा करने से पहले आपको क्या देखना होगा?