बांधकामातही एआयची मदत

ai helps भारतीय बांधकाम उद्योग जीडीपीमध्ये सुमारे नऊ टक्के योगदान देतो. आपल्या संपूर्ण क्षमतेचा उपयोग करून घेण्यासाठी डिजिटल परिवर्तनाचा स्वीकार करणे अत्यंत महत्त्वाचे आहे. पुढे येऊ घातलेल्या पायाभूत प्रकल्पांच्या प्रचंड प्रमाणाचा विचार करता उच्च दर्जा कायम ठेवत बांधकामाला गती देण्यासाठी प्रगत आणि अधिक विश्वासार्ह पद्धतींचा वेगाने अवलंब करणे आवश्यक ठरते. विकसक आणि कंत्राटदारांसह उद्योगातील विविध भागधारक आता प्रकल्प वितरणाच्या सर्व टप्प्यांमध्ये कृत्रिम बुद्धिमत्तेच्या (एआय) क्षमतेचा शोध घेत आहेत. एआयमुळे मानवी श्रम कमी होतात आणि वेळेच्या दृष्टीने संवेदनशील निर्णयांसाठी जलद प्रतिसाद देणे शक्य होते. उद्योगाच्या अंदाजानुसार या क्षेत्रातील एआय बाजारपेठ 2025 मध्ये सुमारे 2.1 अब्ज डॉलर इतकी असून पुढील पाच वर्षांमध्ये जवळपास दुप्पट वाढून 2030 पर्यंत 5.2 ते 5.3 अब्ज डॉलरपर्यंत पोहोचण्याची अपेक्षा आहे.

 

 

 

 

एआयसारख्या डिजिटल तंत्रज्ञानाचा अवलंब केल्यास उत्पादकतेत 20-30 टक्क्यांपर्यंत वाढ होऊ शकते. या पृष्ठभूमीवर प्रकल्प नियोजन, डिझाईन, खरेदी, बांधकाम आणि संचालन या सर्व टप्प्यांमधील निकालांवर प्रभाव टाकणारा महत्त्वाचा घटक म्हणून एआय उदयास येत आहे. बांधकाम प्रकल्पांमध्ये बिल्डिंग इन्फॉर्मेशन मॉडेलिंग (बीआयएम) आणि भौगोलिक माहिती प्रणाली (जीआयएस) यांसारखी साधने आधीच वापरात आहेत. त्यात थेट प्रक्षेपण करणारे कॅमेरे आणि उपग्रह प्रतिमांचा वापर केला जातो. कंपन्या यासंदर्भात गोळा केलेल्या माहितीला (डेटा) विश्लेषणाशी जोडून संपूर्ण मूल्यसाखळीत एआयचा वापर करीत आहेत. त्यामुळे जलद आणि अधिक माहितीपूर्ण निर्णय घेणे शक्य होते.

 

नियोजन टप्प्यात मागणी विश्लेषण आणि मार्ग अनुकूलनासाठी एआयचा वापर केला जात आहे. मागणी विश्लेषण हे पूर्वीचा डेटा, हंगामी नमुने आणि मान्सूनशी संबंधित प्रवृत्ती यावर आधारित असून सुरुवातीच्या प्रकल्प नियोजनाला आधार देते. मार्ग अनुकूलनात हॉटस्पॉट मॅपिंग, वाहतूक प्रवाह डेटा आणि हंगामी डेटा संचांचा वापर करून योग्य संरेखन निश्चित करण्यात मदत होते. अभियांत्रिकी, खरेदी आणि बांधकामाच्या दृष्टीने, ग्राहक आणि क्लायंट मॅपिंग तसेच जोखीम मूल्यांकनासाठीही एआययचा वापर होत आहे. उदाहरणार्थ, ‘रोबोटिक प्रोसेस ऑटोमेशन’ देशपातळीवरील राजकीय, आर्थिक आणि भौगोलिक माहिती तसेच स्पर्धकांशी संबंधित डेटा एकत्रित करून त्यांना एआय स्तर असलेल्या विश्लेषण साधनांमध्ये समाविष्ट करू शकते. यामुळे पूर्वी हाताने संकलित करण्यासाठी महिन्यांचा कालावधी घेणारी सतत जोखीम मूल्यांकन प्रक्रिया शक्य होते. अभियांत्रिकी आणि डिझाईन क्षेत्रात, अनुकूलन आणि पर्याय निर्मिती या दोन्ही पातळ्यांवर एआयचा स्वीकार दिसून येतो. नदी ओलांडणे, जंगलातील मार्ग किंवा रेल्वे क्रॉसिंग यांसारख्या प्रत्यक्ष अडचणींचा विचार करून अधिक योग्य संरेखन ओळखण्यासाठी एआय स्तरांचा वापर केला जात आहे. संकल्पनात्मक टप्प्यावर पूल किंवा मेट्रो मार्गांसारख्या मालमत्तांसाठी अनेक डिझाईन पर्याय निर्माण करण्यासाठी ‘जनरेटिव्ह एआय’चा प्रयोग सुरू आहे. त्यामुळे जलद मूल्यमापन करून डिझाईन चक्राच्या सुरुवातीलाच व्यवहार्य पर्याय निवडणे शक्य होते. खरेदी आणि अंमलबजावणी टप्प्यात, खर्च आणि लॉजिस्टिक्स व्यवस्थापन सुकर करण्यासाठी एआयचा वापर होत आहे.

 

वस्तूंच्या किमतींचे नियमित निरीक्षण करून खर्च मूल्यांकन मजबूत करण्यासाठी विश्लेषण स्तरांचा वापर केला जातो. लॉजिस्टिक्स हे आणखी एक क्षेत्र आहे, जिथे स्वीकार अधिक ठोस स्वरूपात दिसतो. उपकरणांवर बसवलेली जीपीएस साधने मार्ग अनुकूलन, वापर क्षमता सुधारणा आणि इंधन खर्च कमी करण्यासाठी वापरली जातात. प्लांट आणि यंत्रसामग्री ट्रॅकिंग जीपीएस ट्रॅकर्स आणि इंधन व्यवस्थापन प्रणालीद्वारे केले जाते. करार व्यवस्थापन डिजिटलदृष्ट्या अधिक सक्षम करण्यासाठी काही अनुप्रयोगांचाही शोध घेतला जात आहे. बांधकाम आणि संचालन हे एआय आधारित तैनातीची सर्वाधिक दृश्यमान क्षेत्रे आहेत. नियमित निरीक्षणासाठी ड्रोन आणि इंटरनेट ऑफ थिंग्ज (आयओटी) चा वापर केला जातो, तर ड्रोन प्रतिमा आणि मशीन लर्निंगच्या संयोगातून ट्रान्समिशन टॉवर आणि रेल्वे पूल यांसारख्या मालमत्तांसाठी स्वयंचलित तपासणी अहवाल तयार केले जातात. विशेषतः बायोमेट्रिक प्रणाली तैनात करणे अवघड असते, अशा प्रकल्पांमध्ये कामगारांची उपस्थिती हे आणखी एक एआय सक्रिय वापर क्षेत्र आहे. या पद्धतीत निश्चित परिघात प्रवेश ओळखण्यासाठी ‘जिओफेन्सिंग’चा वापर केला जातो आणि उपस्थिती नोंदविण्यासाठी चेहरा ओळख तंत्रज्ञान वापरले जाते. संचालन आणि देखभाल, तपासणी, निरीक्षण आणि मालमत्ता कार्य प्रदर्शन ट्रॅकिंगसाठीही एआयचा वापर होत आहे. सक्रिय वापर प्रकरणांची संख्या वाढत असली, तरी स्वीकार अजूनही असमान आणि अनेक घटकांमुळे मर्यादित आहे.

 

याबाबत पहिला मुद्दा म्हणजे बदलाला होणारा प्रतिकार. वाहतूक प्रकल्प अत्यंत स्पर्धात्मक वातावरणात राबवले जातात आणि डिझाईन आणि अंमलबजावणी वेळापत्रकात विलंब होण्याचा धोका जाणवला, तर भागधारक नवी साधने आणण्यास संकोच करतात. दुसरे म्हणजे प्रशिक्षित मनुष्यबळाची कमतरता. एआय साधनांसाठी कौशल्यविकास आवश्यक असून विद्यमान व्यावसायिकांना प्रशिक्षण देणे गरजेचे आहे. डेटाशी संबंधित अडचणी अनेक समस्यांच्या मुळाशी आहेत. एआय मोठ्या डेटा संचांवर अवलंबून असतो, परंतु डेटा गुणवत्तेचे आणि विखंडनाचे प्रश्न उद्भवतात. मालकी आणि परवानग्यांबाबतही प्रश्न उपस्थित होतात. गर्दीच्या शहरांमध्ये संरेखन डिझाईन अधिक बळकट करण्यासाठी आवश्यक असलेला ‘स्ट्रीट-लेव्हल डेटा’, विशेषतः बायोमेट्रिक प्रणाली तैनात करणे अवघड असते. अशा प्रकल्पांमध्ये अनेकदा डाटा उपलब्ध नसतो. त्यामुळे मार्ग डिझाईन आणि निर्णयप्रक्रियेसाठी एआय साधनांचा वापर मर्यादित राहतो. नेटवर्क मर्यादाही गुंतागुंत वाढवतात. अनेक प्रकल्प दुर्गम भागांमधून जात असल्याने इंटरनेट उपलब्धता मर्यादित असते आणि रिअल-टाईम आयओटी निरीक्षणावर परिणाम होतो. यासाठी पर्याय म्हणून कालांतराने ड्रोन किंवा लिडार सर्वेक्षण, त्यांचे ‘थ्री डी बीम’ मॉडेलमध्ये रूपांतर आणि ऑफलाईन डेटा संकलन करून नंतर समक्रमित करणाèया प्रणाली वापरल्या जातात. परिणाम वापरकर्त्यांच्या क्षमतेशी आणि प्रशासकीय चौकटीशी निकट संबंधित असतात.

 

एआय तज्ज्ञांना जलद आणि अधिक चांगले परिणाम देण्यास मदत करू शकते, परंतु या क्षेत्रातील सखोल ज्ञान आणि नियंत्रण नसल्यास त्यातून नवीन जोखमी उद्भवू शकतात. व्यापक स्वीकारासाठी नेतृत्व प्रशिक्षण, पुढील तीन ते चार वर्षांसाठी स्पष्ट गुंतवणूक परतावा, अपेक्षांसह निश्चित आराखडा आणि डेटा-आधारित निर्णय संस्कृती आवश्यक आहे. अलिकडच्या वर्षांमध्ये एआयचा स्वीकार अर्थपूर्ण गतीने वाढला आहे. तथापि, प्रभावी अंमलबजावणीसाठी तंत्रज्ञानकेंद्रित नव्हे, तर समस्याकेंद्रित दृष्टिकोन आवश्यक आहे. केवळ पुढील प्रवाह म्हणून एआय तैनात करण्याऐवजी स्पष्ट व्यावसायिक समस्या ओळखून उपाय म्हणून एआय वापरणे परिणामकारक ठरते.ai helps यामुळे अंमलबजावणी परिणामांशी जोडलेली राहते, वापरकर्त्यांचा स्वीकार वाढतो आणि एआयला स्वतंत्र उपक्रम न मानता दैनंदिन प्रकल्प व्यवस्थापनात समाविष्ट केले जाते. प्रकल्प प्रत्यक्षात ज्या पद्धतीने चालतात, त्यावर आधारित व्यवहार्य अंमलबजावणी दृष्टिकोन आवश्यक असतो. नेतृत्वाची तयारी, एआय क्षमतांची मूलभूत समज, मोजता येण्याजोगे मूल्य देणाऱ्या क्षेत्रांची स्पष्टता आणि गुंतवणुकीला अपेक्षित परिणामांशी जोडणारा बहुवर्षीय आराखडा हे सर्व निर्णायक ठरणार आहे. प्रकल्प अंमलबजावणी पातळीवर नियंत्रणासह वापर हा केंद्रस्थानी राहिला पाहिजे. क्षेत्र तज्ज्ञतेला प्राधान्य देत एआयने सहायक भूमिका बजावली पाहिजे. वेग आणि विश्वसनीयता यांच्यातील संतुलन राखल्यास एआय प्रकल्प शिस्त बळकट करेल आणि अनियंत्रित निष्कर्षांमुळे निर्माण होणाèया नव्या जोखमी टळतील.

 

शहरी सक्षमता आणि नियोजन हेही एआय वापराचे उदयोन्मुख क्षेत्र आहे. तिथे स्पष्ट आणि संदर्भाधारित उद्दिष्टांसह तैनाती शक्य आहे. ‘आयओटी’आधारित पद्धतींमुळे पावसाच्या परिणामांचा अंदाज करणे आणि शहरी जलप्रणालीत पाणी कसे वाहते, हे समजणे शक्य होते. त्यामुळे पूर व्यवस्थापनासाठी अचूक प्रतिसाद देता येतो. वाहतूक कोंडी आणि प्रदूषण ही अशी क्षेत्रे आहेत, जिथे सुधारित डेटा वापर आणि लक्ष्यित विश्लेषणामुळे मूळ समस्या ओळखून अधिक प्रभावी हस्तक्षेप करता येतात. मेट्रो संचालनात ऊर्जा व्यवस्थापन हे आणखी एक आशादायक क्षेत्र असून रिअल-टाईम निरीक्षण आणि पूर्वानुमान साधनांद्वारे नियोजन सुधारता येते आणि अनपेक्षित खर्चवाढ टाळता येते.

(लेखक अर्थशास्त्राचे अभ्यासक आहेत.)

---