AI kontrola stavební dokumentace: co umí, kde pomáhá a kde má limity

Stavební dokumentace kombinuje stovky výkresů, technických zpráv, tabulek, specifikací, výkazů a smluvních podkladů. Největší část času při její kontrole často nezabere samotné odborné rozhodnutí, ale vyhledávání informací, porovnávání označení a dohledávání zdrojů.

Právě zde může pomoci AI kontrola stavební dokumentace. Ne jako náhrada projektanta nebo stavbyvedoucího, ale jako rychlejší způsob, jak rozsáhlé podklady roztřídit, prohledat a označit místa vyžadující pozornost.

Co znamená AI kontrola dokumentace

V praxi jde o kombinaci několika kroků:

1. načtení a roztřídění souborů,
2. získání textu a struktury dokumentů,
3. rozpoznání typu dokumentu a profese,
4. propojení souvisejících informací,
5. spuštění kontrolních pravidel nebo analytických dotazů,
6. vytvoření nálezů s odkazem na zdroj,
7. odborné posouzení člověkem.

Kvalita systému se nepozná podle toho, zda vytvoří dlouhý seznam „chyb“. Pozná se podle toho, zda umí vysvětlit, proč bylo místo označeno, kde se zdroj nachází a co má uživatel ověřit.

S čím může AI reálně pomoci

Třídění dokumentů

AI může rozlišit technickou zprávu, půdorys, řez, tabulku výrobků, rozpočet nebo požárně bezpečnostní řešení. To je důležité u balíčků, kde názvy souborů nejsou jednotné.

Kontrola úplnosti

Systém může porovnat skutečně nahrané dokumenty se seznamem příloh, požadovanou strukturou nebo interním checklistem firmy. Upozorní například na chybějící profesi, posudek nebo odkazovanou přílohu.

Vyhledávání rozporů

AI je vhodná pro porovnávání opakujících se údajů:

• rozdílné materiály,
• odlišné tloušťky skladeb,
• nesouhlasné rozměry,
• různé označení stejného prvku,
• nejednotné požární parametry,
• rozdílné revize,
• nejasnou specifikaci zařízení.

Příprava otázek RFI

Z nálezu lze připravit stručnou otázku s odkazy na dotčené podklady. Odpovědný pracovník ji následně upraví a odešle smluvně správnou cestou.

Kontrola výkazu výměr

AI může hledat nesoulady mezi položkami a dokumentací, například položku bez zřejmého podkladu nebo konstrukci, která je ve výkresech, ale ve výkazu ji nelze dohledat.

Orientace v projektu

Uživatel se může ptát na konkrétní informace: kde je popsána skladba střechy, jaký typ dveří je požadován nebo které dokumenty zmiňují konkrétní zařízení. Odpověď musí obsahovat zdroj, nikoli jen volnou formulaci.

Co AI bez dalšího neumí spolehlivě

Převzít odbornou odpovědnost

AI nemá autorizaci, smluvní roli ani plnou znalost okolností stavby. Nemůže schválit změnu statického řešení, potvrdit požární bezpečnost ani rozhodnout, že je detail proveditelný.

Rozumět všem výkresům stejně kvalitně

Výsledek ovlivňuje čitelnost PDF, kvalita skenu, měřítko, grafické vrstvy, způsob exportu a složitost výkresu. Vizuální kontrola musí být oddělena od čistě textové analýzy.

Nahradit geometrickou kontrolu IFC

Jazykový model může pracovat s informacemi o modelu, ale přesná prostorová detekce kolizí vyžaduje geometrický engine. Proto je důležité rozlišovat textovou AI analýzu, datovou validaci IFC a clash detection.

Znát nevyřčené podmínky stavby

Omezený přístup, provoz za výstavby, zkušenost s konkrétním materiálem nebo lokální montážní podmínky nemusí být v dokumentaci popsány. Tyto informace musí doplnit člověk.

Jak poznat důvěryhodný AI nález

Kvalitní nález obsahuje:

• přesné označení problému,
• citaci nebo výřez ze zdroje,
• název souboru a stránku,
• druhý dokument, pokud jde o rozpor,
• vysvětlení možného dopadu,
• míru jistoty,
• doporučený další krok,
• upozornění, pokud systém nemá dostatek podkladů.

Nález bez zdroje je pouze tvrzení. Ve stavební praxi musí být každý důležitý závěr přezkoumatelný.

Příklad správného použití

Stavební firma obdrží 180 PDF souborů pro nacenění zakázky. AI nejprve sestaví registr dokumentů a identifikuje několik souborů se stejným označením, ale různými daty. Následně porovná technické zprávy a výkaz výměr a označí, že ve specifikaci je požadována minerální izolace tloušťky 180 mm, zatímco výkaz obsahuje položku 160 mm.

Systém problém neuzavře větou „správně má být 180 mm“. Připraví nález:

• oba zdroje,
• popis rozdílu,
• možné ovlivnění ceny a součinitele prostupu tepla,
• návrh na potvrzení správné tloušťky.

Rozhodnutí zůstává na projektantovi a zadavateli.

Jak připravit dokumentaci pro lepší výsledek

• Nahrávejte strojově čitelné PDF, kde je to možné.
• Zachovejte názvy souborů a revize.
• Oddělte aktuální a archivní dokumenty.
• Přiložte seznam dokumentace a zadání.
• Uveďte, zda jde o tendr, realizační kontrolu nebo kontrolu úplnosti.
• Definujte nejrizikovější profese a otázky.
• Nenahrávejte zbytečné duplicity bez označení.

Podrobný návod obsahuje článek Jak připravit dokumentaci pro AI kontrolu.

AI kontrola ve Validorixu

Validorix je zaměřen na stavební dokumentaci, nikoli na obecný chat bez znalosti projektu. Pracovní postup má spojovat:

• registr a klasifikaci dokumentů,
• tematické kontrolní moduly,
• nálezy se zdrojovou citací,
• prioritu a stav nálezu,
• export pro další zpracování,
• odborné potvrzení nebo zamítnutí.

Cílem není vytvořit co nejvíce zjištění. Cílem je zkrátit čas potřebný k nalezení relevantních rizik a vytvořit auditní stopu.

Nejčastější chyby při zavádění AI kontroly

Nahrání dokumentů bez cíle

Bez jasného účelu může systém vytvářet příliš obecné výsledky. Je potřeba určit, zda se řeší cena, koordinace, úplnost, smluvní riziko nebo připravenost k realizaci.

Automatické přijetí všech nálezů

AI může spojit informace, které spolu ve skutečnosti nesouvisí. Každý důležitý nález musí projít lidským ověřením.

Měření úspěchu počtem chyb

Vysoký počet nálezů není známkou kvality. Lepší metrikou je počet relevantních zjištění, čas ušetřený při dohledávání a podíl nálezů uzavřených konkrétním rozhodnutím.

Ignorování bezpečnosti dat

Projektová dokumentace může obsahovat citlivé technické, obchodní nebo osobní údaje. Firma musí řešit přístupová práva, dobu uchování, oddělení zákazníků, šifrování a smluvní podmínky zpracování.

Jak AI začlenit do firemního procesu

Nejlepší výsledky přináší jednoduchý workflow:

1. odpovědná osoba založí projekt a určí účel kontroly,
2. dokumenty se roztřídí a ověří jejich revize,
3. systém spustí vybrané kontroly,
4. přípravář nebo specialista zkontroluje nálezy,
5. relevantní nálezy se převedou na úkoly či RFI,
6. odpovědi a rozhodnutí se uloží k nálezu,
7. při nové revizi se kontrola zopakuje.

Tím se AI nestává izolovaným experimentem, ale součástí řízení dokumentace.

Shrnutí

AI kontrola stavební dokumentace má největší přínos v práci s velkým množstvím informací: třídění, dohledávání, porovnávání a přípravě strukturovaných zjištění. Nemá nahrazovat autorizované posouzení ani zkušenost lidí ze stavby.

Dobrá AI nepředstírá jistotu. Ukáže zdroj, popíše rozpor a pomůže odborníkovi rychleji rozhodnout.

Často kladené otázky

Dokáže AI zkontrolovat výkresy?

Může analyzovat textové a některé vizuální informace z výkresů, ale výsledek závisí na kvalitě a typu souboru. Přesnou prostorovou kontrolu je vhodné řešit nad IFC modelem pomocí geometrických nástrojů.

Je AI výstup právně závazný?

Ne. Jde o podpůrný analytický výstup. Závaznost vzniká až rozhodnutím oprávněné osoby nebo smluvní komunikací mezi účastníky projektu.

Jak ověřit, že AI nevymýšlí?

Vyžadujte citaci zdroje, stránku, kontext a možnost otevřít původní dokument. Výstup bez dohledatelného podkladu nepoužívejte jako technické rozhodnutí.

---