KI i kalkulasjon av byggeprosjekter: Hva fungerer, hva er fortsatt bare en demo, og hvordan entreprenører kan se forskjellen

Byggebransjen bygger på tegninger. Før en entreprenør kan gi tilbud på et bygg, gjennomfører noen i teamet en mengdeberegning. De går gjennom tegningssettet – samlingen av PDF-tegninger som arkitekten og ingeniørene utarbeider for prosjektet – og teller og måler alt entreprenøren skal levere og montere: stikkontakter, dører, vasker, løpefot vegg og kvadratfot gulv. Disse mengdene føres inn i kalkylen, dokumentet med priser som blir til tilbudet. Hvis entreprenøren vinner anbudet, dukker de samme tallene opp igjen i endringsordrer – prisede og signerte kontraktstillegg når utformingen endres.

Mengdeberegning tar tid, er ensformig og blir kostbar hvis den gjøres feil, noe som gjør den til et åpenbart bruksområde for KI. Jeg utvikler programvare som leser byggetegninger, og entreprenørene jeg snakker med, prøver å finne ut hvilke KI-påstander de kan stole på. Slik skiller jeg mellom det som fungerer, og det som fortsatt bare er en demo.

Optimismen løper fra utbredelsen

To nyere undersøkelser tallfester gapet. I en studie fra Dodge Construction Network og CMiC, publisert i desember 2025, sa 87 % av entreprenørene at de forventer at KI vil omforme bransjen, og 19 % sa at de hadde tilpasset arbeidsflytene sine for å ta i bruk teknologien.

RICS, fagorganisasjonen for landmålere, undersøkte over 2 200 fagfolk i byggebransjen til sin rapport fra 2025 om KI i byggebransjen. Omtrent 45 % sa at organisasjonene deres ikke hadde tatt i bruk KI, og under 1 % beskrev KI-bruken som fullt integrert i hele organisasjonen. Construction Dive omtalte funnene under overskriften «Byggere er trege med å ta i bruk KI, til tross for forventede fordeler.»

Optimisme og utbredelse i to nyere undersøkelser. Data: Dodge Construction Network og CMiC (desember 2025), RICS (2025). Bilde: Bildrix

Før byggestart – alt entreprenøren gjør før arbeidet på byggeplassen begynner (tilbud, dokumentgjennomgang, planlegging) – er et naturlig sted å starte, fordi underlaget allerede består av digitale dokumenter.

Dette fungerer i dag

Å lese et tegningssett er nå en etablert produktkategori. Programvare kan sortere og navngi arkene i et sett, finne målestokken på hver tegning, telle symboler som stikkontakter, lysarmaturer og rørleggerutstyr ved å sammenligne dem med tegnforklaringen ingeniøren har laget for prosjektet, og måle rom og vegger. Gjenkjenning av symboler på tegninger har vært et aktivt forskningsområde i flere år. Datasettet FloorPlanCAD, som ble publisert i 2021, inneholdt annoteringer av over 10 000 plantegninger fordelt på 30 objektkategorier, slik at forskere kunne trene og teste modeller på denne oppgaven.

To andre funksjoner fungerer også i praksis. Den ene er å svare på spørsmål ut fra tegninger og spesifikasjoner, med henvisning til arket svaret bygger på, slik at en person kan kontrollere det på sekunder. Den andre er å overføre kontrollerte mengder til en kalkyle, så lenge entreprenørens egen prisliste omfatter varene.

Dette er fortsatt bare en demo

Tre påstander bør møtes med ekstra skepsis.

Priser ingen kontrollerer. Material- og arbeidspriser varierer fra region til region og endrer seg over tid. En pris foreslått av KI kan være et rimelig utgangspunkt, men den bør tydelig merkes som et forslag og kontrolleres mot et pristilbud fra en leverandør før den tas med i et tilbud.

Alle fag, uansett underlag. Rene vektorbaserte PDF-er, altså filer som eksporteres direkte fra designprogramvare, er det enkle tilfellet. Skannede ark, mobilbilder av tegninger og ufullstendige tegningssett skaper fortsatt problemer, og hvor godt verktøyene fungerer, varierer mye mellom fagområdene. Et verktøy som leser elektrotegninger godt, kan ha begrenset nytte for tegninger innen et annet fag.

Helautomatiske tilbud. Mye av det som avgjør et tilbud, står aldri på tegningene: manglende avklaringer mellom fag, arbeidsmetoder, eksisterende forhold ved rehabilitering, tidsplanen og hvor stor risiko entreprenøren er villig til å ta. Kalkulatøren står ansvarlig for beløpet og må svare for det.

Dette fungerer i praksis i dag, og dette er fortsatt bare en demo. Bilde: Bildrix

Fire tegn på at du ser en demo

1. Det fungerer bare med leverandørens tegninger. Be om å få se det på et av dine egne tegningssett, helst det mest rotete settet du ga tilbud på forrige kvartal.
2. Det oppgir ett enkelt nøyaktighetstall uten å definere det. Hvor nøyaktig er tellingen, på hvilke tegninger og målt hvordan? Et tall uten spesifikasjon for hver enkelt post forteller deg svært lite.
3. Ingenting blir markert. Alle modeller er usikre på noe. Et verktøy som aldri viser tvil, skjuler den.
4. Resultatet ender som et regneark som noen må skrive inn i kalkylen på nytt. Hvert tall som tastes inn på nytt, gir en ny mulighet for en skrivefeil.

Spørsmål du bør stille alle leverandører

• Hvilke typer underlag godtar verktøyet, hvilke fag dekker det, og hva kan det ikke gjøre?
• Hvordan viser verktøyet usikkerhet, og hvor lang tid tar det å kontrollere ett av tegningssettene mine?
• Kan jeg redigere resultatet, og blir endringene mine videreført til kalkylen og til senere endringer?
• Brukes dataene mine til å trene modellene til noen, og hvor lagres de?

NIST AI Risk Management Framework er en nyttig referanse for den sistnevnte gruppen. Rammeverket beskriver pålitelig KI som blant annet gyldig og pålitelig, sikker og robust, ansvarlig og gjennomsiktig, og med styrket personvern. Hvert av disse kjennetegnene kan formuleres som et spørsmål en entreprenør kan stille en leverandør.

Hvorfor usikkerhet er en styrke

Modeller er ofte mer selvsikre enn de burde være. Guo og kollegene hans viste i 2017 at moderne nevrale nettverk ofte er dårlig kalibrert. Hvor ofte et nettverk oppgir at det er sikkert, samsvarer ofte ikke med hvor ofte det har rett. Kalibreringen kan forbedres, og når det er gjort, blir en konfidensskår til en arbeidskø. Elementer med lav konfidens sendes til en person, mens elementer med høy konfidens får en rask gjennomgang.

Denne egenskapen betyr mer for meg enn noen annen hovedfunksjon. En kalkulatør har ikke tid til å kontrollere hvert eneste antall på et sett med noen hundre tegninger på nytt. Men vedkommende har tid til å kontrollere de få dusin elementene programvaren markerer som usikre. Kalkulatøren signerer fortsatt anbudet, og gode verktøy gjør gjennomgangen rask.

Programvaren leser og teller, en person gjennomgår det den er usikker på, og kalkulatøren signerer anbudet. Bilde: Bildrix

Unite.AI publiserte nylig en artikkel av Baber Javed om utforming av KI for lønnskjøring, opptak og andre områder der feil får konsekvenser. Han mener at deterministiske regler bør styre alt som har økonomiske eller juridiske konsekvenser, mens modellen tolker og forklarer, og mennesker gjennomgår resultatene der feil er kostbare. Et anbud i byggebransjen passer til den beskrivelsen.

Hva du bør følge med på videre

Jeg forventer at framgangen det neste året kommer etter den første mengdeberegningen: ved å sammenligne revisjoner av tegningene og føre endrede mengder videre til endringsordrer og fakturaer uten å taste dem inn på nytt. Det er ved revisjoner entreprenører taper penger uten å merke det, fordi en endring ingen har satt pris på, blir arbeid utført gratis.

Hvis du driver en entreprenørvirksomhet og vil prøve noe av dette, bør du teste det som et pilotprosjekt på egne tegninger, sørge for at en person gjennomgår hvert resultat og føre dine egne tall: timer brukt, feil oppdaget og feil oversett. Du vil lære mer av dem enn av tallene fra noen leverandør.

Hva måtte du sett før du stolte på en maskinelt avlest mengde i et anbud med ditt navn på?