Zgodność z normami i wyłapywanie błędów w projekcie – gdzie AI pomaga, a gdzie kłamie

AI potrafi podać parametr z błędem rzędu wielkości i nie zmrużyć oka. Właściciel biura instalacji opowiadał nam, że asystent AI podał mu moc 15 kW zamiast 150 kW – i zrobił to tak pewnie, jakby czytał z projektu. Inny projektant mówił wprost: „AI zmyśliło mi ustawę i podstawę prawną. Wszystko brzmiało przekonująco, żadnego z przepisów nie było w polskim prawie”.

To nie są odizolowane przypadki. To jest właściwość obecnych modeli językowych, o której warto mówić uczciwie – zwłaszcza jeśli rozważasz wdrożenie asystenta AI do kontroli jakości dokumentacji. Pytanie nie brzmi: „czy AI się myli?”. Pytanie brzmi: „w których zadaniach AI pomaga realnie, a w których ryzyko halucynacji jest zbyt wysokie, żeby mu ufać bez weryfikacji?”. Więcej o tym, jak AI sprawdza się w codziennej pracy biura, pisałem w artykule o AI w biurze projektowym – co automatyzować.

Ten artykuł nie jest reklamą AI. Jest mapą: gdzie to narzędzie działa jak asystent, gdzie trzeba je pilnować jak stażystę, a gdzie nie wolno mu dawać słowa decydującego bez weryfikacji przez inżyniera.

Co AI robi dobrze w kontroli jakości dokumentacji?

Najlepiej sprawdza się tam, gdzie zadanie to porównanie, sprawdzenie kompletności lub wychwycenie niespójności – a nie ocena merytoryczna wartości obliczeniowej czy interpretacja prawa.

Wyobraź sobie kontrolę kompletności przed wysłaniem dokumentacji. Masz checklistę 40 pozycji – podpisy, pieczęcie, numery rewizji, strony tytułowe, uzgodnienia branżowe. Zrobienie tego ręcznie zajmuje 20-30 minut na projekt i jest podatne na błędy przy zmęczeniu. Agent AI robi ten sam przegląd w 2-3 minuty i sygnalizuje, czego brakuje. Nie mówi, czy projekt jest dobry – mówi, czy komplet dokumentów jest zamknięty. To precyzyjna, weryfikowalna praca.

Podobnie działa w kontroli oznaczeń i niespójności wewnętrznych. Gdy w rysunku na stronie 12 masz „słup S-14”, a w zestawieniu stali słup „S14” (bez myślnika), to człowiek może to przeoczyć przy szybkim przeglądzie. AI wyłapuje takie rozbieżności systematycznie, bo nie jest podatne na „efekt gotowości” – nie zakłada, że skoro widziało S-14 wcześniej, to teraz też jest S-14.

Kolejny obszar to porównanie wersji dokumentów – czy zmiany z rewizji R2 są spójne z zapisami w zestawieniu R2, czy branżysta zewnętrzny zaktualizował swoją część po ostatnim komentarzu. Ręcznie to godziny pracy przy złożonej dokumentacji. AI robi to jako operację tekstową i pokazuje delta między wersjami. Więcej o tym, jak zarządzać rewizjami bez chaosu, znajdziesz w artykule o koordynacji międzybranżowej i rewizjach.

Gdzie AI popełnia błędy, które mogą Cię pogrążyć?

Trzy obszary, gdzie ryzyko jest wysokie i gdzie zasada jest prosta: AI przygotowuje, inżynier decyduje.

Wartości liczbowe i obliczeniowe. Model językowy nie liczy – on przewiduje, jakie cyfry powinny pojawić się w danym kontekście. Przy często spotykanych wartościach (np. typowe moce urządzeń w często opisywanych typach budynków) bywa trafny. Przy rzadszych konfiguracjach lub dużych wartościach – myli się z pewnością siebie. Błąd rzędu wielkości (10 kW zamiast 100 kW) to nie pomyłka w ostatniej cyfrze – to inny projekt.

Podstawy prawne i interpretacja norm. AI zna treść przepisów do daty swojego treningu i potrafi je przytaczać w przekonujący sposób. Problem polega na tym, że przepisy się zmieniają, a model nie wie, że nie wie o zmianie. Co gorsza, gdy nie zna dokładnej treści przepisu, potrafi go „skleić” z podobnych fragmentów – i efekt brzmi jak prawdziwy artykuł ustawy, który nie istnieje. Weryfikacja każdej podstawy prawnej podanej przez AI jest obowiązkowa.

Ocena techniczna rozwiązań projektowych. „Czy to rozwiązanie jest poprawne?” – to pytanie, na które AI odpowiada z pozycji statystycznego dopasowania, a nie inżynierskiego rozumowania. Odpowiedź może być przekonująca i błędna jednocześnie. Asystent AI nie ponosi odpowiedzialności za projekt. Ty ponosisz.

Jak wpiąć AI w kontrolę jakości, żeby odciążała – a nie dokładała pracy?

Kluczowa zasada: AI robi pierwszą warstwę kontroli, człowiek robi drugą – ale tylko tam, gdzie pierwsza warstwa jest sensowna.

Błędem jest wdrożenie AI do kontroli i oczekiwanie, że „sprawdzi projekt”. Właściwym podejściem jest wydzielenie konkretnych zadań kontrolnych, które AI może wykonać szybko i wiarygodnie – i odciążenie człowieka z tej mechanicznej pracy tak, żeby mógł skupić się na ocenie merytorycznej.

Gdzie AI odciąża realnie

Sprawdzanie kompletności zestawów dokumentów według checklisty. Porównanie oznaczeń między rysunkami a zestawieniami. Weryfikacja spójności numerów rewizji. Kontrola, czy strony tytułowe zawierają wymagane pola. Zestawienie komentarzy recenzji z listą wprowadzonych zmian. Wyszukiwanie powtarzających się oznaczeń z różnymi wartościami (potencjalna niespójność).

Gdzie człowiek musi decydować

Weryfikacja wartości obliczeniowych. Ocena poprawności rozwiązań technicznych. Potwierdzenie podstaw prawnych i norm. Ocena, czy odstępstwo jest dopuszczalne w kontekście projektu. Każda sytuacja, gdzie konsekwencja błędu to odpowiedzialność zawodowa lub bezpieczeństwo użytkowników.

Takie ustawienie nie eliminuje weryfikacji przez inżyniera – skraca ją. Zamiast spędzać 30 minut na przejrzeniu kompletności dokumentacji, dostajesz listę konkretnych braków i skupiasz się na ich sprawdzeniu. Zamiast porównywać dwie wersje rysunków stroną po stronie, dostajesz delta z wyróżnionymi zmianami. Twój czas idzie na ocenę merytoryczną, a nie na mechaniczne przeszukiwanie. Więcej o tym, jak unikać błędów w kontroli kompletności przed wysyłką, pisałem w artykule o kontroli kompletności dokumentacji przed wysłaniem.

Tabela: zadanie kontroli / czy AI może samo / jak weryfikować

Jak wygląda nadzór człowieka w praktyce?

Zasada nadzoru człowieka to nie hasło – to konkretny sposób działania. Agent AI wykonuje przegląd i generuje raport: lista pozycji z flagą „OK”, „brak” lub „do weryfikacji”. Inżynier przegląda raport, nie dokumenty od nowa.

Inżynier decyduje, co zrobić z każdą flagą: zatwierdzić, odrzucić (AI się mylił), eskalować do projektanta branżowego. Nie odczytuje projektu od początku. Nie porównuje ponownie wersji. Skupia się na ocenie tego, co AI wskazało jako potencjalny problem.

To zmienia charakter pracy kontrolnej. Zamiast „sprawdź projekt” (praca godzinami, skanowanie wzrokiem) masz „oceń te 8 pozycji wskazanych przez system” (praca 15-20 minut, decyzje inżynierskie). Kontrola staje się szybsza, ale nie mniej rygorystyczna – bo inżynier nie jest wyczerpany mechaniczną robotą i może myśleć o tym, co sprawdza. Jak taki system operacyjny biura projektowego wygląda w całości – opisałem to szczegółowo w osobnym przewodniku.

Najczęściej zadawane pytania

Czy mogę ufać AI w obliczeniach?

Nie bezwarunkowo. Modele językowe nie są kalkulatorami – przewidują, jakie wartości liczbowe pasują do kontekstu. Przy często spotykanych wartościach bywają trafne, ale błąd rzędu wielkości jest realnym ryzykiem. Żadna wartość obliczeniowa podana przez AI nie powinna trafić do dokumentacji bez weryfikacji przez uprawnionego projektanta. AI może być pomocne do wstępnego oszacowania lub sprawdzenia, czy wynik „leży w spodziewanym zakresie” – ale ostateczne potwierdzenie to zawsze zadanie człowieka.

AI podało mi konkretny artykuł ustawy – mam go sprawdzać?

Tak, za każdym razem. Model językowy potrafi przekonująco przytoczyć przepis, który nie istnieje lub który się zmienił po dacie jego treningu. Weryfikacja podstawy prawnej to 2-3 minuty w isap.sejm.gov.pl – i jest obowiązkowa. Nie ma znaczenia, jak pewnie brzmiała odpowiedź AI.

Czy AI wyłapie błąd w projekcie, jeśli nie ma wyraźnej reguły do sprawdzenia?

Słabo. AI sprawdza się przy zadaniach z jasnym kryterium: „sprawdź, czy ta pozycja na checkliście jest zaznaczona”, „porównaj oznaczenia w dwóch dokumentach”. Przy ocenie merytorycznej – „czy to rozwiązanie jest poprawne w tym kontekście budowlanym?” – AI może podać odpowiedź, która brzmi wiarygodnie, ale jest błędna. Takie oceny należą wyłącznie do inżyniera z uprawnieniami.

Jak często AI „halucynuje” przy kontroli dokumentów?

Zależy mocno od zadania. Przy mechanicznym porównaniu oznaczeń lub sprawdzaniu kompletności listy – rzadko, bo to praca tekstowa z jasnym wzorcem. Przy pytaniach o wartości techniczne lub interpretację przepisów – ryzyko jest wysokie i nieprzewidywalne. Model nie sygnalizuje niepewności tak, jak sygnalizuje ją człowiek. Dlatego rozdzielenie zadań – co AI robi autonomicznie, a co trafia do inżyniera – jest ważniejsze niż sam dobór narzędzia.

Asystent AI to kolejna rzecz do sprawdzenia – czy nie dokłada pracy?

Przy złym wdrożeniu – tak. Jeśli AI działa jak „drugi projektant”, który robi oceny merytoryczne, to weryfikacja jego pracy może kosztować więcej niż oszczędność. Właściwe wdrożenie polega na tym, że AI robi pracę mechaniczną (porównywanie, sprawdzanie kompletności, wykrywanie niespójności), a inżynier dostaje wynik gotowy do oceny – nie nowy zestaw dokumentów do przejrzenia. Różnica jest fundamentalna.

Podsumowanie

AI nie zastępuje kontroli jakości w biurze projektowym – zmienia jej charakter. W zadaniach mechanicznych: sprawdzanie kompletności, wykrywanie niespójności oznaczeń, porównywanie wersji – działa szybko i wiarygodnie, odciążając inżyniera z godzin żmudnej roboty. W zadaniach merytorycznych: wartości obliczeniowe, podstawy prawne, ocena rozwiązań technicznych – ryzyko błędu jest zbyt wysokie, żeby ufać AI bez weryfikacji przez człowieka. Zasada jest prosta: AI przygotowuje i sygnalizuje, inżynier decyduje. Nie odwrotnie.

Chcesz sprawdzić, które zadania kontrolne w Twoim biurze można sensownie odciążyć AI, a gdzie ryzyko halucynacji wymaga pełnego nadzoru? Umów 15-minutową rozmowę – przejdziemy przez Twój proces kontroli jakości i powiemy wprost, co ma sens, a co nie.