Kampuni ya Ujenzi Yapunguza Muda wa Kuandaa Zabuni kwa Asilimia 70 Kwa Kutumia AI

Namba Moja Inayobadilisha Muundo wa Soko

Kampuni ya ujenzi inayofanya kazi na TIBLOGICS ilipunguza kwa asilimia 70 muda uliotumika kuandaa zabuni za ushindani. Hilo si jambo dogo la ufanisi. Katika sekta ambayo kushinda kandarasi kunategemea kuwasilisha mapendekezo yenye uaminifu na undani kwa haraka kuliko washindani wako, kupunguza muda kwa asilimia 70 kunamaanisha kwamba timu ile ile inaweza kufuatilia fursa karibu mara tatu zaidi, au kutumia saa zilizookolewa kuboresha zabuni inazowasilisha. Kampuni ambazo bado hazijachukua hatua sasa ndizo zabuni za polepole katika kila chumba wanachoingia.

Maandalizi ya Zabuni Yanahusisha Nini Hasa, na Kwa Nini Yamekuwa Polepole Daima

Zabuni ya ujenzi si bei tu. Ni hoja iliyopangwa kwa mpangilio inayothibitisha kwamba timu mahususi inaweza kukamilisha mradi mahususi, kwa wakati, ndani ya bajeti iliyopangwa, huku ikitimiza mahitaji ya usalama, utiifu wa kanuni, na vifaa. Kujenga hoja hiyo kuanzia mwanzo kunamaanisha kukusanya data za gharama za miradi ya zamani, kupanga mahitaji ya wafanyakazi na wakandarasi wadogo, kusoma nyaraka za vipimo na masharti (specifications) ambazo zinaweza kufikia mamia ya kurasa, na kupanga matokeo kulingana na mahitaji ya zabuni ya mteja, mara nyingi kwa muda wa siku badala ya wiki.

Sehemu zinazochukua muda mrefu zinajulikana vizuri: kutoa takwimu husika kutoka miradi ya zamani, kulinganisha bei za wasambazaji, kubadilisha lugha ya vipimo kuwa mchanganuo wa gharama kwa kila kipengele, kisha kukagua kifurushi kizima kutafuta mapengo kabla ya kuwasilisha. Kila hatua kati ya hizi imekuwa ikihitaji mtaalamu aliyekaa na nyaraka na majedwali. Ukikosa kifungu kimoja katika vipimo, unaweza kutoa bei ya chini sana na kupata hasara, au bei ya juu sana na kupoteza kandarasi.

Kile ambacho utekelezaji wa TIBLOGICS ulifanya ni kujiendesha kwa kiotomatiki kwa tabaka la kutoa taarifa na kuandaa rasimu. AI inasoma nyaraka za zabuni zinazoingia, inatambua mahitaji husika, inatoa takwimu linganishi kutoka historia ya miradi ya kampuni, na inaandaa rasimu ya kwanza iliyopangwa ya zabuni. Wakadiriaji (estimators) kisha wanapitia, kurekebisha, na kuidhinisha. Hawaondolewi kwenye mchakato, lakini wanaingia baadaye zaidi na wakiwa na muktadha mwingi zaidi tayari umekusanywa. Kazi ya akili inayobaki ni ya busara na uamuzi, si ya kutafuta taarifa.

Wanaokabiliwa na Hatari Ambao Hawajagundua Bado

Walio hatarini zaidi ni kampuni za ukubwa wa kati zinazoshinda kandarasi kutokana na ubora wa timu zao za ukadiriaji badala ya ukubwa wa mizania ya fedha. Kama mshindani mdogo anayetumia AI sasa anaweza kuandaa zabuni zenye undani sawa kwa sehemu ndogo ya muda, faida ya kawaida ya wakadiriaji wakuu wenye uzoefu inapungua kwa kasi. Wakadiriaji hao bado wana thamani, lakini tu kama kampuni zinazowaajiri pia zitaboresha miundombinu inayowazunguka.

Walio hatarini pia ni wateja wanaodhani kwamba zabuni nyingi zaidi humaanisha ushindani zaidi. Kampuni inayowasilisha mapendekezo mara tatu zaidi haimaanishi moja kwa moja kwamba mnunuzi anapata chaguo za kweli zaidi. Idadi ya zabuni inaweza kuongezeka huku utofauti halisi wa ushindani ukipungua, ikiwa kampuni zile zile zinazotumia AI ndizo zinazoshinda sehemu kubwa zaidi ya soko. Timu za ununuzi bado hazijalikabili jambo hili kwa upana.

Wakandarasi wadogo na wasambazaji wanafuata. Mzunguko wa zabuni wa mkandarasi mkuu unapofupishwa, dirisha la maombi ya bei (request-for-quote) linalopelekwa kwenye mnyororo wa ugavi linafupishwa pia. Wasambazaji wasioweza kujibu kwa haraka wa kutosha wanaweza kujikuta wakitengwa kwa utaratibu, si kwa sababu bei zao ni mbaya, bali kwa sababu ratiba haiwezi tena kuhimili mchakato wao.

Maswali Unayopaswa Kuuliza

• Kiwango cha makosa katika rasimu za zabuni zinazotengenezwa na AI ni kipi, na nani anawajibika pale utoaji wa taarifa wa kiotomatiki unaposoma vibaya vipimo na kampuni ikatoa bei ya chini mno kwa mradi?
• Je, upunguzaji huo wa muda kwa asilimia 70 unatumika kwa aina zote za miradi, au unashikilia tu kwa miundo ya miradi inayojirudia ambako data za kihistoria ni nyingi?
• Data za gharama na miradi za kampuni zinahifadhiwaje, na nini kinazuia uvunjaji wa usalama wa muuzaji wa huduma usikabidhi taarifa za bei kwa washindani?
• Je, wakadiriaji wanafunzwa upya kufanya kazi kama wakaguzi wa matokeo ya AI, au wanaondolewa polepole bila kutangazwa, na ubora wa zabuni utakuwaje maarifa ya kitaasisi yanapoondoka na watu?
• Kama kampuni zote kuu katika sekta hii zitatumia zana kama hizi ndani ya miezi 18, faida ya ushindani itakuwa wapi hasa, na kitofautishi kinachofuata ni kipi?

Cha Kufuatilia Baadaye

Ishara ya kufuatilia ni data za kiwango cha ushindi, si akiba ya muda. Akiba ya muda ni ya ndani na ni rahisi kutangaza. Kama kampuni zinazotumia AI zitaanza kuripoti ongezeko linalopimika la kiwango cha kushinda kandarasi, hasa kwenye miradi iliyo nje ya utaalamu wao wa kawaida, hilo litathibitisha kwamba zana hiyo inabadilisha matokeo ya soko, si mtiririko wa kazi wa ndani tu. Tarajia takwimu hiyo ianze kuonekana katika mikutano ya taarifa za mapato na ripoti za vyama vya sekta katika nusu ya pili ya 2026. Itakapotokea, kampuni zinazoendelea kujenga zabuni zao kwa mkono zitakuwa na muda mfupi zaidi kuliko wanavyodhani.