Wycena remontu budynku z lat 70. na podstawie zeskanowanych rysunków to zwykle żmudny proces. Kosztorysant spędza dni na liczeniu powierzchni ścian, stolarki okiennej i warstw izolacji, a firma remontowa czeka z ofertą. Handoff-H1, system oparty na modelach wizyjnych i agentach AI, robi to samo z surowego pliku PDF w kilka godzin.
Jak to działa w praktyce
System Handoff-H1 osiąga wynik złożony 81,6% w benchmarku Construction Blueprint Takeoff. Dla porównania, niezależni profesjonalni kosztorysanci uzyskali 77,6%. Różnica tkwi w pokryciu materiałów: Handoff-H1 identyfikuje 86,1% pozycji, a kosztorysanci 65,5%. Precyzja ilościowa jest nieco niższa (78,8% wobec 87,9%), co oznacza, że system nadgania szerokością, ale przy drogich materiałach wymaga ludzkiej weryfikacji.
Technologicznie to trzy warstwy. Modele wizyjne wyciągają z rysunków podstawowe elementy, agenci z narzędziami liczą powierzchnie i detale, a trwała baza projektu przechowuje wyniki w hierarchii zgodnej z konwencjami budowlanymi. W firmie remontowej taki system czyta archiwalne PDF-y i oddaje przedmiar bez ręcznego przerysowywania.
Scenariusz: portfel 50 budynków komunalnych
Zarządca nieruchomości komunalnej ma 50 budynków z wielkiej płyty, każdy z rysunkami w PDF, często skanowanymi z papierowych oryginałów. Chce oszacować koszt termomodernizacji wszystkich budynków w ciągu miesiąca, żeby złożyć wniosek o dofinansowanie. Bez automatyzacji potrzebowałby kilku kosztorysantów na etat lub zleciłby prace firmie zewnętrznej za około 7-10 tysięcy złotych od budynku.
Z Handoff-H1 wstępny przedmiar dla każdego budynku powstaje w 2-3 godziny, a kosztorysant tylko weryfikuje pozycje o największym wpływie na koszt, na przykład grubość izolacji czy liczbę okien. Czas całkowity spada z około 100 dni do 15 dni. Największą wartość daje wariantowanie: ten sam przedmiar można szybko wycenić dla dwóch grubości wełny mineralnej albo dla okien PCV i drewnianych, bez ponownego liczenia.
Korzyści i ROI
Przy 50 budynkach oszczędność na samych kosztorysantach zewnętrznych to 350-500 tysięcy złotych w jednym cyklu wyceny. Licencja na system dla takiej skali to ułamek tej kwoty, a po pierwszym użyciu baza wyodrębnionych materiałów zostaje w firmie i może być użyta przy kolejnych remontach.
Nie każdy rysunek nadaje się do automatycznego odczytu. Stare, ręcznie poprawiane plany bywają problematyczne, ale dla standardowej dokumentacji z lat 70. i 80. system radzi sobie dobrze. Z moich obserwacji w firmach remontowych wynika, że menedżerowie najszybciej widzą zwrot, gdy przedmiar AI skraca czas reakcji na zapytanie ofertowe. Firma, która odpowie w 48 godzin zamiast w dwa tygodnie, częściej wygrywa kontrakt.
Podsumowanie
Wdrożenie nie wymaga wymiany całego procesu wyceny. Warto zacząć od pilotażu na 10 rysunkach z własnego archiwum i porównać wyniki AI z przedmiarem przygotowanym ręcznie. Jeśli pokrycie materiałów będzie zbliżone do wyników benchmarku, system może przejąć pierwszą iterację wyceny, a kosztorysant skupi się na negocjacjach cen i analizie ryzyk. Dla firm remontowych, które licytują kilka przetargów miesięcznie, to różnica między złożeniem oferty w terminie a odpuszczeniem kontraktu.
Przetestuj na próbce 10 rysunków w dwa tygodnie, zanim podejmiesz decyzję o zakupie.
- Skrócenie przygotowania oferty z tygodni do godzin
- Pokrycie 86% pozycji materiałowych wobec 65% u kosztorysantów
- Szybkie porównanie wariantów termomodernizacji bez nowego przedmiaru
Informacje o artykule
Ten artykuł powstał w oparciu o paper naukowy opublikowany w serwisie arXiv.
Paper: Handoff-H1: An Orchestrated Vision-Agent System for Material Quantity Takeoff from Construction Blueprints
Autorzy: Bruno Chicelli, Henrique Alves, Rodrigo Anselmo, Joshua Weinberg, Felipe Lemos i in.
Converting a set of architectural blueprints into a complete material quantity takeoff requires visual perception across drawing sheets, dimensional and multi-hop reasoning, and grounding in construction conventions that the drawings never state. We present Handoff-H1, a takeoff system built from...
arXiv: arxiv.org/abs/2608.15032
Artykuł wygenerowany ze wsparciem sztucznej inteligencji.
