Stavebnictví nasazuje AI pomalu: do provozu ji dostalo jen 28 % firem

Bluebeam 13. října 2026 zveřejnil průzkum 750 amerických rozhodovatelů v architektonických, projekčních a stavebních firmách: AI dostalo do provozu 28 % oslovených organizací, ale napříč několika hlavními pracovními postupy ji zapojilo jen 7 %; generální ředitel Bluebeamu Usman Shuja rozdíl popsal slovy „The industry’s AI challenge is no longer adoption, it’s scale.“ Mezi organizacemi s AI v provozu uvedlo 40 % úsporu přesahující 500 000 dolarů. Jde o částky odhadované respondenty, nikoli o auditovanou návratnost investice.

Mezeru mezi nákupem technologie a jejím začleněním do práce zachycuje také říjnová zpráva BRG o stavebnictví: v její severoamerické části investovalo 68 % respondentů do AI nejméně 250 000 dolarů za předchozí dva roky, zatímco plnou integraci napříč projekty a provozem uvedlo 15 %. BRG oslovila 109 vedoucích pracovníků ve stavebnictví a developmentu, z toho 65 v Severní Americe a po 22 v Evropě a asijsko-pacifickém regionu. Tyto výsledky ukazují, jak odlišné mohou být výdaje, pravidelné používání nástroje a jeho zapojení do navazující práce.

Co se počítá jako provozní nasazení

Údaj o provozu zahrnuje i firmy, které používají AI jen v několika konkrétních úkolech. Podrobný přehled amerického průzkumu Bluebeamu rozděluje odpovědi takto: 21 % organizací využívá AI v několika vybraných postupech, 7 % napříč více hlavními postupy, 32 % pouze v omezených pilotech a 31 % o jejím využití teprve uvažuje. Souhrnnou kategorii „v provozu“ vytvořili autoři zprávy z prvních dvou odpovědí; firmy ji samy v dotazníku nevybíraly.

Stejně důležitý je základ jednotlivých procent. Stupeň nasazení se vztahuje k celému americkému souboru 750 respondentů. Na otázky o používání AI, přínosech a překážkách odpovídalo 448 organizací, které už technologii používají; na okolnosti přechodu za pilotní fázi pak 210 organizací, jež jí prošly. Výpověď firem s provozním nasazením o úsporách proto nepopisuje výsledek všech oslovených firem.

BRG se ptala jiné skupiny lidí a na jiný stav. Její „plná integrace“ se týká projektů i provozu v rámci organizace, zatímco provozní kategorie Bluebeamu zahrnuje také použití v několika samostatných postupech. Severní Amerika navíc není totéž co americký soubor Bluebeamu. Obě procenta tak ukazují omezený dosah AI v běžné práci, ale nelze je odečítat ani z nich sestavit časovou řadu.

Úspora v dotazníku není finanční návratnost

Nejzřetelnější uváděné přínosy se týkají informací dostupných dříve v projektu. Američtí uživatelé AI zmiňovali především lepší předvídatelnost nákladů a včasnější rozpoznání rizik; omezení pozdějších oprav uváděli podstatně méně často. Nástroj tedy může upozornit na problém při odhadu nebo projektování, aniž se upozornění promítne do rozhodnutí na stavbě.

V šetření BRG respondenti hlásili dvouciferné procentní úspory v různých fázích projektu. Firmy však hodnotily AI různými měřítky: některé sledovaly finanční výsledky, jiné provozní ukazatele a další především používání nástroje. Počet uživatelů ukáže, zda se technologie rozšířila, ale sám neprokáže změnu nákladů, termínu ani kvality dokončené práce.

Úsporu je také třeba odlišit od návratnosti. Uvedená částka sama neříká, kolik stály licence, propojení systémů, školení a kontrola výstupů. Včasné odhalení rizika může zabránit budoucímu výdaji, jeho hodnotu je však nutné vztáhnout k původnímu plánu a skutečnému rozhodnutí týmu. Právě u nákladů, které díky zásahu vůbec nevzniknou, je určení přínosu obtížnější než odečtení ceny automatizovaného úkolu.

Proč AI zůstává v jednotlivých úkolech

Nejčastěji uváděnou překážkou širšího nasazení jsou vysoké náklady na zavedení. V americkém průzkumu je zmiňovaly stejně často organizace stále v pilotu i ty, které se dostaly za něj, takže samotná cena rozdíl mezi skupinami nevysvětluje. Firmy s provozním nasazením nejčastěji označily za pomoc při přechodu propojení s používanými systémy; následovaly spolupráce týmů, srozumitelnost výsledků a kvalitní data. Jde o zpětné hodnocení respondentů, nikoli o důkaz, že kterýkoli z těchto faktorů sám způsobil úspěch.

Problém se projevuje při předávání práce. Američtí respondenti nejčastěji umisťovali poruchy pracovních postupů na hranici mezi projektováním a výstavbou a mezi kancelářskými a terénními týmy. Odhad zpřesněný pomocí AI nebo upozornění na kolizi má pro realizaci hodnotu tehdy, když se změna dostane do aktuálních podkladů, harmonogramu a rozhodování lidí na stavbě. Bez této návaznosti může pravidelně používaný nástroj zůstat izolovaný od výsledku projektu.

Další omezení představují dovednosti. Americké firmy označovaly znalost digitálních nástrojů za žádanou a zároveň obtížně dostupnou schopnost při náboru. Severoameričtí respondenti BRG mezi překážkami přínosu uváděli nedostatek odbornosti i potíže s daty a integrací. Technologie tak může být zakoupena dříve, než organizace vytvoří podmínky pro její použití mezi profesemi a fázemi stavby.

Co z výsledků plyne pro české projekty

Ani jedno šetření neudává podíl českých firem s AI v provozu. Pro českého projektového či provozního manažera je užitečnější rozlišit, v jakém stavu je konkrétní použití: zda jde o časově omezený pokus, pravidelný úkol, nebo výstup, který přebírají další týmy. Stejně označený „pilot“ může končit u odhadu, nebo už ovlivňovat podobu projektu; bez znalosti této hranice nelze zahraniční procenta převést na očekávaný výsledek domácí zakázky.

Vlastní hodnocení přínosu pak stojí na několika ověřitelných vazbách: kdo výstup AI schvaluje, do kterých podkladů se promítne, zda na něj naváže realizace a jaký výchozí náklad či termín se s výsledkem porovnává. Takové údaje umožňují oddělit používání nástroje od změny v projektu. Pokud upozornění na riziko zůstane v jednom systému a nedostane se k týmu, který může upravit práci na stavbě, vykázaná úspora stále nemusí znamenat ušetřené peníze na dokončené zakázce.

Přečtěte si také:

• Falešní novináři dostali téměř 100 článků do skutečných médií
• Osavul získal 8,5 milionu eur, hybridní hrozby míří z obrany do firem
• CrewAI, nebo AutoGen: serverless provoz obrací zdánlivě snadnou volbu