AI dalam Penyusunan Estimasi Konstruksi: Mana yang Nyata, Mana yang Masih Demo, dan Cara Kontraktor Membedakannya

Konstruksi berawal dari gambar. Sebelum kontraktor dapat mengajukan penawaran untuk suatu bangunan, seseorang di timnya menghitung kuantitas pekerjaan. Mereka menelaah satu set gambar, yakni kumpulan gambar proyek dalam format PDF yang diterbitkan arsitek dan insinyur, lalu menghitung dan mengukur semua yang akan dipasok dan dipasang kontraktor: stopkontak, pintu, wastafel, panjang dinding dalam satuan kaki, dan luas lantai dalam satuan kaki persegi. Kuantitas tersebut dimasukkan ke dalam estimasi, dokumen berisi harga yang menjadi dasar penawaran. Jika penawaran itu menang, angka-angka yang sama akan digunakan lagi dalam perintah perubahan, yaitu amendemen kontrak yang diberi harga dan ditandatangani ketika desain berubah.

Penghitungan kuantitas pekerjaan memakan waktu, berulang-ulang, dan mahal jika keliru, sehingga jelas menjadi sasaran AI. Saya membuat perangkat lunak yang membaca gambar konstruksi, dan para kontraktor yang saya ajak bicara sedang berusaha menentukan klaim AI mana yang bisa dipercaya. Berikut cara saya membedakan bagian yang sudah berfungsi dari yang masih berupa demo.

Optimisme Melaju Lebih Cepat daripada Adopsi

Dua survei terbaru menggambarkan kesenjangan ini dengan angka. Dalam studi Dodge Construction Network bersama CMiC yang diterbitkan pada Desember 2025, 87% kontraktor mengatakan mereka memperkirakan AI akan mentransformasi industri ini, dan 19% mengatakan mereka telah menyesuaikan alur kerja mereka untuk menggunakannya.

RICS, badan profesi bagi para juru ukur, menyurvei lebih dari 2.200 profesional konstruksi untuk laporan tahun 2025 tentang AI dalam konstruksi. Sekitar 45% mengatakan organisasi mereka belum menerapkan AI, dan kurang dari 1% menyebut penggunaan AI telah terintegrasi sepenuhnya di seluruh organisasi. Construction Dive mengulas temuan tersebut dengan judul “Para kontraktor lambat mengadopsi AI meski menyadari manfaatnya.”

Optimisme dan adopsi dalam dua survei terbaru. Data: Dodge Construction Network dan CMiC (Desember 2025), RICS (2025). Gambar: Bildrix

Prakonstruksi—semua hal yang dilakukan kontraktor sebelum pekerjaan konstruksi dimulai, seperti penawaran, peninjauan dokumen, dan penjadwalan—merupakan titik awal yang wajar karena bahan acuannya sudah berupa dokumen digital.

Yang Sudah Berfungsi Saat Ini

Pembacaan satu set gambar kini menjadi kategori produk yang sudah berfungsi. Perangkat lunak dapat memilah dan memberi nama pada lembar-lembar dalam satu set, menemukan skala setiap gambar, menghitung simbol seperti stopkontak, lampu, dan perlengkapan pipa berdasarkan legenda yang dibuat insinyur untuk proyek tersebut, serta mengukur ruangan dan dinding. Pengenalan simbol pada gambar telah menjadi bidang penelitian aktif selama bertahun-tahun. Kumpulan data FloorPlanCAD, yang dirilis pada 2021, memuat anotasi lebih dari 10.000 denah lantai dalam 30 kategori objek agar peneliti dapat melatih dan menguji model untuk tugas ini.

Dua kemampuan lainnya juga terbukti dalam praktik. Yang pertama adalah menjawab pertanyaan berdasarkan gambar dan spesifikasi, dengan menyertakan rujukan ke lembar asal jawabannya sehingga seseorang dapat memeriksanya dalam hitungan detik. Yang kedua adalah memasukkan kuantitas yang telah ditinjau ke dalam estimasi, selama buku harga milik kontraktor mencakup barang-barang tersebut.

Yang Masih Berupa Demo

Tiga klaim berikut patut disikapi dengan lebih skeptis.

Harga yang tidak ditinjau siapa pun. Harga bahan dan tenaga kerja berbeda menurut wilayah dan terus berubah. Harga yang disarankan AI dapat menjadi titik awal yang masuk akal, tetapi harus diberi label yang jelas sebagai saran dan diperiksa dengan penawaran harga dari pemasok sebelum dicantumkan dalam penawaran.

Semua bidang pekerjaan, dari masukan apa pun. PDF vektor yang bersih—jenis berkas yang langsung diekspor dari perangkat lunak desain—adalah kasus yang mudah. Lembar hasil pemindaian, foto gambar yang diambil dengan ponsel, dan set gambar yang tidak lengkap masih dapat membuat sistem gagal, sementara cakupannya sangat bervariasi antarbidang pekerjaan. Alat yang mampu membaca gambar kelistrikan dengan baik mungkin hanya sedikit membantu untuk gambar bidang pekerjaan lain.

Penawaran yang sepenuhnya otomatis. Banyak faktor penentu penawaran tidak pernah muncul dalam gambar: celah cakupan pekerjaan antarbidang, metode dan cara kerja, kondisi bangunan yang sudah ada dalam proyek renovasi, jadwal, serta seberapa besar risiko yang bersedia ditanggung kontraktor. Estimator menandatangani angka penawaran dan bertanggung jawab atasnya.

Hal-hal yang terbukti dalam praktik saat ini dan yang masih berupa demo. Gambar: Bildrix

Empat Tanda bahwa Anda Sedang Menyaksikan Demo

1. Alat itu hanya bisa digunakan pada gambar milik vendornya. Minta untuk melihatnya bekerja pada set gambar Anda sendiri, idealnya set paling berantakan yang Anda gunakan untuk mengajukan penawaran pada kuartal lalu.
2. Alat itu menyebutkan satu angka akurasi tanpa menjelaskan artinya. Seberapa akurat alat itu dalam menghitung apa, pada gambar yang mana, dan dengan metode pengukuran seperti apa? Angka tanpa perincian untuk setiap item tidak banyak memberi informasi.
3. Tidak ada yang ditandai. Setiap model memiliki hal-hal yang tidak dapat dipastikannya. Alat yang tidak pernah menunjukkan keraguan sedang menyembunyikannya.
4. Hasilnya berakhir sebagai ekspor lembar kerja yang harus diketik ulang seseorang ke dalam estimasi. Setiap angka yang diketik ulang membuka peluang baru terjadinya salah ketik.

Pertanyaan untuk Diajukan kepada Vendor

• Masukan apa saja yang dapat diterimanya, bidang pekerjaan apa saja yang dicakupnya, dan apa yang tidak dapat dilakukannya?
• Bagaimana alat itu menunjukkan ketidakpastian, dan berapa lama waktu yang diperlukan untuk meninjau salah satu set gambar saya?
• Dapatkah saya mengedit hasilnya, dan apakah perubahan yang saya buat akan diterapkan pada estimasi serta perubahan selanjutnya?
• Apakah data saya digunakan untuk melatih model milik siapa pun, dan di mana data itu disimpan?

Kerangka Kerja Manajemen Risiko Kecerdasan Buatan NIST merupakan acuan yang berguna untuk kelompok terakhir. Kerangka ini menjelaskan bahwa AI yang tepercaya antara lain harus valid dan andal, aman dan tangguh, akuntabel dan transparan, serta meningkatkan perlindungan privasi. Masing-masing kriteria itu dapat dijadikan pertanyaan yang diajukan kontraktor kepada vendor.

Mengapa Keraguan Merupakan Keunggulan

Model sering kali lebih yakin daripada yang seharusnya. Pada 2017, Guo dan rekan-rekannya menunjukkan bahwa kalibrasi jaringan saraf modern cenderung buruk. Tingkat keyakinan yang dilaporkan jaringan sering kali tidak sesuai dengan seberapa sering jaringan itu memberikan jawaban yang benar. Kalibrasi dapat ditingkatkan; setelah itu, skor keyakinan dapat digunakan untuk menentukan urutan pekerjaan. Item dengan tingkat keyakinan rendah ditangani oleh seseorang, sedangkan item dengan tingkat keyakinan tinggi cukup diperiksa sekilas.

Bagi saya, sifat itu lebih penting daripada fitur unggulan apa pun. Estimator tidak punya waktu untuk memeriksa ulang setiap hitungan pada kumpulan yang terdiri dari beberapa ratus lembar gambar. Namun, mereka punya waktu untuk memeriksa beberapa lusin item yang ditandai perangkat lunak sebagai tidak pasti. Estimator tetap menandatangani penawaran, dan perangkat yang baik membuat pemeriksaan itu berlangsung cepat.

Perangkat lunak membaca dan menghitung, seseorang memeriksa hal-hal yang diragukannya, lalu estimator menandatangani penawaran. Gambar: Bildrix

Unite.AI baru-baru ini menerbitkan artikel karya Baber Javed tentang perancangan AI untuk penggajian, penerimaan, dan bidang lain yang tidak memberi ruang bagi kesalahan. Ia berpendapat bahwa aturan deterministik harus mengendalikan segala hal yang memiliki konsekuensi finansial atau hukum, sementara model bertugas menafsirkan dan menjelaskan, serta manusia meninjau hasilnya ketika kesalahan berbiaya tinggi. Penawaran proyek konstruksi termasuk dalam kategori tersebut.

Hal yang Perlu Dicermati Selanjutnya

Saya memperkirakan kemajuan selama setahun ke depan akan terjadi setelah tahap penghitungan kuantitas awal: membandingkan revisi gambar, lalu meneruskan perubahan kuantitas ke pesanan perubahan dan faktur tanpa mengetik ulang. Kontraktor sering kehilangan uang tanpa menyadarinya saat terjadi revisi, karena perubahan yang tidak dihitung harganya berarti pekerjaan dilakukan secara cuma-cuma.

Jika Anda menjalankan usaha kontraktor dan ingin mencoba salah satu cara ini, uji coba pada gambar Anda sendiri, pastikan seseorang memeriksa setiap hasil, dan catat angka-angka Anda sendiri: waktu yang digunakan, kesalahan yang ditemukan, dan kesalahan yang terlewat. Catatan tersebut akan memberi Anda lebih banyak pelajaran daripada angka dari vendor mana pun.

Apa yang perlu Anda lihat sebelum memercayai kuantitas hasil pembacaan mesin dalam penawaran yang mencantumkan nama Anda?