AI i byggkalkyler: Vad fungerar på riktigt, vad är fortfarande bara en demo och hur kan entreprenörer avgöra skillnaden?

Byggprojekt utgår från ritningar. Innan en entreprenör kan lämna anbud på ett bygge gör någon i teamet en mängdavtagning. Personen går igenom ritningsunderlaget, det vill säga samlingen PDF-ritningar som arkitekten och ingenjörerna tar fram för projektet, och räknar och mäter allt som entreprenören ska leverera och installera: eluttag, dörrar, handfat, löpmeter vägg och kvadratmeter golv. Dessa mängder förs in i kalkylen, det prissatta dokument som blir anbudet. Om anbudet antas återkommer samma siffror i ändringsorder, de prissatta och undertecknade avtalsändringar som görs när utformningen ändras.

Mängdavtagning är långsam, repetitiv och kostsam att göra fel, vilket gör den till ett självklart användningsområde för AI. Jag utvecklar programvara som läser byggnadsritningar, och entreprenörerna jag pratar med försöker avgöra vilka AI-påståenden de kan lita på. Så här skiljer jag åt det som fungerar och det som fortfarande bara är en demo.

Optimismen springer före införandet

Två färska undersökningar sätter siffror på gapet. I en undersökning från Dodge Construction Network tillsammans med CMiC, som publicerades i december 2025, uppgav 87 % av entreprenörerna att de förväntar sig att AI ska förändra branschen, och 19 % sade att de hade anpassat sina arbetsflöden för AI.

RICS, yrkesorganisationen för mät- och värderingsexperter, frågade fler än 2 200 yrkesverksamma inom byggbranschen till sin rapport från 2025 om AI inom byggbranschen. Omkring 45 % uppgav att deras organisationer inte hade infört AI, och färre än 1 % beskrev AI-användningen som fullt integrerad i hela organisationen. Construction Dive rapporterade om resultaten under rubriken ”Byggföretag dröjer med att införa AI trots upplevda fördelar.”

Optimism och införande i två färska undersökningar. Data: Dodge Construction Network och CMiC (december 2025), RICS (2025). Bild: Bildrix

Förberedelserna före byggstart – allt en entreprenör gör innan byggarbetet börjar, som anbud, dokumentgranskning och schemaläggning – är en naturlig plats att börja på, eftersom underlagen redan är digitala dokument.

Det som fungerar i dag

Att läsa ritningsunderlag är numera en etablerad produktkategori. Programvara kan sortera och namnge ritningarna i ett underlag, hitta skalan för varje ritning, räkna symboler som eluttag, lampor och VVS-armaturer med hjälp av den förteckning som ingenjören tagit fram för projektet samt mäta rum och väggar. Symboligenkänning i ritningar har varit ett aktivt forskningsområde i flera år. Datauppsättningen FloorPlanCAD, som publicerades 2021, innehöll annoteringar av fler än 10 000 planritningar inom 30 objektkategorier, så att forskare kunde träna och testa modeller för den här uppgiften.

Två andra funktioner fungerar också i praktiken. Den ena är att kunna ställa frågor om ritningar och specifikationer och få svar med hänvisning till det ritningsblad som svaret hämtats från, så att en person kan kontrollera det på några sekunder. Den andra är att föra in granskade mängder i en kalkyl, förutsatt att entreprenörens egen prislista omfattar posterna.

Det som fortfarande bara är en demo

Tre påståenden bör man vara särskilt skeptisk till.

Prissättning som ingen granskar. Material- och arbetskostnader varierar mellan regioner och förändras över tid. Ett prisförslag från AI kan vara en rimlig utgångspunkt, men det ska tydligt märkas som ett förslag och kontrolleras mot en offert från en leverantör innan det tas med i ett anbud.

Alla yrkesområden, oavsett underlag. Välordnade vektorbaserade PDF-filer, sådana som exporteras direkt från designprogram, är det enkla fallet. Skannade ritningsblad, mobilfoton av ritningar och ofullständiga underlag ställer fortfarande till problem, och täckningen varierar mycket mellan olika yrkesområden. Ett verktyg som läser elritningar väl kanske inte klarar andra yrkesområdens ritningar särskilt bra.

Helt automatiserade anbud. Mycket av det som avgör ett anbud framgår aldrig av ritningarna: luckor i gränsdragningen mellan yrkesområden, arbetsmetoder, befintliga förhållanden vid en renovering, tidsplanen och hur stor risk entreprenören är villig att ta. Kalkylatorn skriver under på beloppet och ansvarar för det.

Det som fungerar i praktiken i dag och det som fortfarande bara är en demo. Bild: Bildrix

Fyra tecken på att du tittar på en demo

1. Det fungerar bara med leverantörens egna ritningar. Be att få se det med ditt eget ritningsunderlag, helst det mest svårhanterliga som du lämnade anbud på förra kvartalet.
2. Det anges en enda noggrannhetssiffra utan förklaring. Hur noggrant räknar verktyget vad, på vilka ritningar och enligt vilken metod? En siffra utan uppdelning per post säger dig väldigt lite.
3. Ingenting markeras. Alla modeller är osäkra på något. Ett verktyg som aldrig visar någon osäkerhet döljer den.
4. Resultatet exporteras till ett kalkylblad som någon sedan skriver in i kalkylen. Varje siffra som skrivs in på nytt innebär en ny risk för felskrivning.

Frågor att ställa till alla leverantörer

• Vilka typer av underlag kan verktyget hantera, vilka yrkesområden omfattar det och vad vägrar det att göra?
• Hur visar verktyget osäkerhet, och hur lång tid tar det att granska ett av mina ritningsunderlag?
• Kan jag redigera resultatet, och följer mina ändringar med in i kalkylen och vidare till senare ändringar?
• Används mina data för att träna någon annans modeller, och var lagras de?

NIST:s ramverk för riskhantering av AI är en användbar referens för den sista gruppen. Där beskrivs tillförlitlig AI bland annat som giltig och tillförlitlig, säker och motståndskraftig, ansvarstagande och transparent samt integritetsfrämjande. Var och en av dessa egenskaper kan omvandlas till en fråga som en entreprenör kan ställa till en leverantör.

Varför osäkerhet är en tillgång

Modeller är ofta mer självsäkra än de borde vara. Guo och kollegor visade 2017 att moderna neurala nätverk tenderar att vara dåligt kalibrerade. Nätverkets angivna säkerhet stämmer ofta inte överens med hur ofta det har rätt. Kalibreringen kan förbättras, och när den väl har gjort det blir säkerhetspoängen en arbetskö. Objekt med låg säkerhet skickas till en person, medan objekt med hög säkerhet får en snabb granskning.

Den egenskapen är viktigare för mig än någon annan uppmärksammad funktion. En kalkylator har inte tid att kontrollera varje mängdberäkning i en uppsättning med några hundra ritningsblad. Däremot har kalkylatorn tid att kontrollera de få dussin objekt som programvaran markerar som osäkra. Kalkylatorn skriver fortfarande under anbudet, och bra verktyg gör granskningen snabb.

Programvaran läser och räknar, en person granskar det den är osäker på och kalkylatorn skriver under anbudet. Bild: Bildrix

Unite.AI publicerade nyligen en artikel av Baber Javed om hur man utformar AI för lönehantering, antagning och andra områden där misstag får allvarliga konsekvenser. Han menar att deterministiska regler bör styra allt som får ekonomiska eller juridiska konsekvenser, medan modellen tolkar och förklarar och människor granskar där fel blir kostsamma. Ett bygganbud passar in på den beskrivningen.

Vad du bör hålla utkik efter härnäst

Jag räknar med att nästa års framsteg kommer efter den första mängdavtagningen: att jämföra olika versioner av ritningar och föra vidare ändrade mängder till ändringsorder och fakturor utan att behöva skriva in dem igen. Det är vid revideringar som entreprenörer förlorar pengar utan att märka det, eftersom en ändring som ingen har prissatt innebär arbete som utförs gratis.

Om du driver ett entreprenadföretag och vill prova något av det här, testa det i ett pilotprojekt med dina egna ritningar, se till att en person granskar varje resultat och anteckna dina egna siffror: nedlagda timmar, upptäckta fel och missade fel. Du lär dig mer av dem än av någon leverantörs siffror.

Vad skulle du behöva se innan du litade på en maskinavläst mängd i ett anbud med ditt namn på?