W marcu wdrożyliśmy system AI do monitorowania jakości na budowie w Piotrkowie. Pierwsza próba? Kompletna klapa. Kamery montowane na rusztowaniach rejestrowały głównie plecy pracowników i zmieniające się warunki oświetlenia. Algorytm uczył się na błędnych danych.
Kierownik projektu chciał wyłączyć cały system. Zamiast tego przenieśliśmy kamery na stałe punkty i przeszkoliliśmy model na zdjęciach z konkretnych etapów prac – tynkowanie, montaż instalacji, wykończenie.
Co się zmieniło
Po 6 tygodniach system zidentyfikował 23 niezgodności w dylatacjach podłogowych, których nasz nadzór przegapił podczas rutynowych przeglądów. Koszt naprawy wyniósłby 180 tys. zł, gdybyśmy odkryli to po odbiorze.
Najciekawsze? AI nauczyło się rozpoznawać wzorce pęknięć na podstawie 400 zdjęć z poprzednich projektów. Dokładność wyniosła 74% – nie idealna, ale wystarczająca do flagowania potencjalnych problemów.
Teraz testujemy podobny system na trzech innych budowach. Kluczem okazało się nie zakładanie, że technologia zadziała od razu, tylko systematyczne zbieranie danych i korygowanie podejścia.