Cuộc Cách Mạng AI trong Ngành BIM/AEC: Tận Dụng Sức Mạnh của GPT-4.1 và Prompting Hiệu Quả

1. Giới thiệu: Vượt Qua Thách Thức, Đón Đầu Tương Lai Cùng AI

Ngành Kiến trúc, Kỹ thuật và Xây dựng (AEC) đang đứng trước những thách thức ngày càng lớn. Sự phức tạp của các dự án hiện đại, đòi hỏi quản lý và chia sẻ khối lượng dữ liệu khổng lồ giữa nhiều bên liên quan khác nhau, thường dẫn đến tình trạng phân mảnh thông tin và kém hiệu quả.¹ Quy trình làm việc truyền thống, dù đã được cải thiện nhờ Mô hình Thông tin Công trình (BIM), vẫn đối mặt với những rào cản đáng kể.

Một trong những thách thức cốt lõi là quản lý dữ liệu lớn (Big Data). Ngành AEC tạo ra lượng dữ liệu khổng lồ từ các mô hình BIM, cảm biến, tài liệu dự án, và nhiều nguồn khác.³ Việc xử lý, phân tích và chuyển hóa “dữ liệu quá tải” này thành thông tin hữu ích cho việc ra quyết định vẫn còn nhiều khó khăn, đòi hỏi nỗ lực làm sạch dữ liệu và có thể dẫn đến bỏ lỡ những hiểu biết quan trọng.³ Bên cạnh đó, tính không tương thích giữa các định dạng dữ liệu và nền tảng phần mềm khác nhau cũng tạo ra rào cản cho việc tích hợp và chia sẻ thông tin liền mạch giữa các bên liên quan.³

Sự phức tạp trong quy trình cộng tác cũng là một vấn đề nan giải. BIM đòi hỏi sự phối hợp chặt chẽ giữa kiến trúc sư, kỹ sư, nhà thầu và chủ đầu tư, thường làm thay đổi vai trò và quy trình làm việc truyền thống.⁴ Việc thiếu các giao thức chuẩn hóa và môi trường dữ liệu chung (CDE) hiệu quả có thể dẫn đến quản lý thông tin kém, gây ra tổn thất lớn về năng suất (ước tính ngành xây dựng toàn cầu mất 1.2 nghìn tỷ USD mỗi năm do năng suất thấp) và chi phí làm lại đáng kể (30-40% chi phí xây dựng).⁴

Hơn nữa, ngành AEC đang đối mặt với áp lực tăng năng suất và hiệu quả. Chi phí đầu tư ban đầu cho công nghệ BIM, phần cứng và đào tạo nhân lực có thể là rào cản, đặc biệt đối với các công ty vừa và nhỏ.² Tình trạng thiếu hụt nhân lực có kỹ năng chuyên sâu về BIM và phân tích dữ liệu cũng là một thách thức nghiêm trọng, khi nhiều chương trình đào tạo chưa đáp ứng đủ nhu cầu thực tế của ngành.² Sự phản kháng từ các bên liên quan trong việc áp dụng công nghệ mới và yêu cầu không nhất quán từ phía khách hàng cũng góp phần làm chậm quá trình chuyển đổi số.⁴

Trong bối cảnh đó, sự xuất hiện của các mô hình Trí tuệ Nhân tạo (AI) tiên tiến, đặc biệt là các Mô hình Ngôn ngữ Lớn (LLM) như GPT-4.1, mang đến một làn sóng cách mạng tiềm năng. GPT-4.1, với những cải tiến vượt trội về khả năng xử lý ngôn ngữ, tuân thủ hướng dẫn, và năng lực suy luận, hứa hẹn sẽ giải quyết nhiều thách thức cố hữu của ngành AEC.⁶

Bài viết này sẽ khám phá cách GPT-4.1, khi được điều hướng thông qua “prompting” (đặt câu lệnh/hướng dẫn) hiệu quả, có thể trở thành một công cụ mạnh mẽ, biến đổi sâu sắc các quy trình làm việc trong lĩnh vực BIM/AEC. Chúng ta sẽ đi sâu vào những khả năng độc đáo của GPT-4.1 và cách khai thác chúng để tối ưu hóa thiết kế, tự động hóa các tác vụ tốn thời gian, nâng cao hiệu quả quản lý dự án và cuối cùng là tạo ra lợi thế cạnh tranh bền vững.

2. Tại sao GPT-4.1 lại Đặc Biệt Quan Trọng cho BIM/AEC?

Sự ra đời của GPT-4.1 không chỉ là một bước tiến về công nghệ AI nói chung, mà còn mang ý nghĩa đặc biệt quan trọng đối với ngành BIM/AEC nhờ những cải tiến then chốt, giải quyết trực tiếp các điểm nghẽn trong quy trình làm việc hiện tại. Các khả năng nâng cao của mô hình này, khi được ứng dụng đúng cách, hứa hẹn mở ra những tiềm năng đột phá.

2.1. Cửa Sổ Ngữ Cảnh 1 Triệu Token: Xử Lý Toàn Bộ Dự Án Trong Một Lần

Một trong những nâng cấp đáng kể nhất của GPT-4.1 là khả năng xử lý ngữ cảnh lên đến 1 triệu token.⁷ Để dễ hình dung, 1 triệu token tương đương với hàng nghìn trang tài liệu, toàn bộ mã nguồn của một dự án phần mềm lớn, hoặc thậm chí là nhiều cuốn tiểu thuyết.⁸ Con số này vượt xa đáng kể so với các thế hệ trước như GPT-3.5 (4,096 token) hay GPT-4 ban đầu (8,192/32,768 token) ⁹, và cạnh tranh với các mô hình hàng đầu khác như Claude 3 hay Gemini 1.5 Pro (vốn cũng hỗ trợ ngữ cảnh lớn, thậm chí lên đến 2 triệu token trong một số cấu hình).⁸

Ý nghĩa đối với BIM/AEC:

Cửa sổ ngữ cảnh khổng lồ này phá vỡ giới hạn về lượng thông tin mà AI có thể “ghi nhớ” và xử lý đồng thời trong một phiên làm việc. Thay vì phải chia nhỏ tài liệu hoặc sử dụng các kỹ thuật phức tạp như Retrieval-Augmented Generation (RAG) để cung cấp thông tin theo từng phần ⁸, giờ đây các chuyên gia AEC có thể “đưa” toàn bộ các bộ tài liệu quan trọng của dự án – bao gồm thông số kỹ thuật chi tiết, bộ quy chuẩn xây dựng áp dụng, lịch sử thay đổi thiết kế, biên bản họp, báo cáo RFI (Request for Information) trước đây, thậm chí cả mô hình BIM (dưới dạng dữ liệu văn bản hoặc mã) – vào trong một “lần nói chuyện” duy nhất với AI.⁷

Điều này mở ra khả năng ứng dụng vô cùng giá trị:

• Kiểm tra Tính nhất quán Toàn diện: AI có thể đối chiếu thông tin xuyên suốt hàng nghìn trang tài liệu để phát hiện mâu thuẫn giữa bản vẽ, thông số kỹ thuật, và các yêu cầu trong hợp đồng – một công việc cực kỳ tốn thời gian và dễ sai sót nếu làm thủ công. Ví dụ, AI có thể kiểm tra xem vật liệu được chỉ định trong bản vẽ kiến trúc có khớp với thông số kỹ thuật chi tiết và danh mục vật liệu được phê duyệt hay không.
• Tìm kiếm Thông tin Ngữ cảnh Nhanh chóng: Thay vì lục lọi qua nhiều thư mục và file tài liệu, người dùng có thể đặt câu hỏi trực tiếp cho AI về một chi tiết cụ thể trong dự án (ví dụ: “Yêu cầu chịu lửa cho tường ngăn giữa khu vực X và Y theo tiêu chuẩn PCCC áp dụng là gì?”) và AI có thể tìm kiếm và trích xuất câu trả lời chính xác từ bộ tài liệu đã được cung cấp.⁸
• Phân tích và Tổng hợp Thông tin Phức tạp: AI có thể đọc và tổng hợp thông tin từ nhiều nguồn khác nhau trong ngữ cảnh dự án (ví dụ: tóm tắt tất cả các thay đổi thiết kế liên quan đến hệ thống HVAC trong 3 tháng qua, dựa trên biên bản họp và các bản vẽ sửa đổi).⁸

Khả năng xử lý ngữ cảnh lớn giúp GPT-4.1 hiểu sâu hơn về bối cảnh tổng thể của dự án, giảm thiểu tình trạng “mất thông tin giữa chừng” (lost-in-the-middle effect) mà các mô hình có ngữ cảnh nhỏ hơn thường gặp phải ¹², và đưa ra các phân tích, câu trả lời chính xác và phù hợp hơn với thực tế dự án.

2.2. Khả Năng Tuân Thủ Hướng Dẫn Chính Xác: Yếu Tố Sống Còn Trong Kỹ Thuật

Ngành xây dựng đòi hỏi sự chính xác tuyệt đối. Một sai lệch nhỏ trong việc tuân thủ thông số kỹ thuật, quy chuẩn, hay điều khoản hợp đồng có thể dẫn đến hậu quả nghiêm trọng về an toàn, chi phí và tiến độ. GPT-4.1 được cải tiến đáng kể về khả năng hiểu và tuân thủ các hướng dẫn phức tạp, chi tiết và có yêu cầu định dạng cụ thể.⁶ Khả năng này được đánh giá là vượt trội so với các phiên bản trước, đặc biệt trong các tác vụ đòi hỏi sự chính xác cao và nhạy cảm với định dạng.⁷ Các thử nghiệm nội bộ và từ đối tác cho thấy sự cải thiện rõ rệt trong việc thực thi các truy vấn phức tạp và xử lý các lược đồ không rõ ràng.⁷

Tại sao lại quan trọng cho BIM/AEC?

• Trích xuất Dữ liệu theo Định dạng Chuẩn: Các chuyên gia có thể hướng dẫn GPT-4.1 trích xuất thông tin từ bản vẽ, báo cáo, hoặc bảng tính và định dạng lại theo một cấu trúc chuẩn (ví dụ: JSON, CSV, bảng Markdown) để dễ dàng nhập vào các phần mềm khác hoặc tạo báo cáo tự động.⁹ Ví dụ: “Trích xuất danh sách cửa đi từ file PDF bản vẽ mặt bằng tầng 1, bao gồm Mã hiệu cửa, Kích thước (Rộng x Cao), Vật liệu, và Yêu cầu chống cháy. Xuất kết quả dưới dạng bảng Markdown.”
• Kiểm tra Điều khoản Hợp đồng/Quy chuẩn: Có thể yêu cầu AI rà soát một tài liệu dài (hợp đồng, bộ quy chuẩn) và kiểm tra sự tuân thủ của một thiết kế hoặc một đề xuất cụ thể đối với một điều khoản nhất định. Ví dụ: “Kiểm tra xem đề xuất thay đổi vật liệu tường ngoài [mô tả đề xuất] có tuân thủ Điều khoản 5.3.2 về Hệ số truyền nhiệt tối đa trong Quy chuẩn Xây dựng Việt Nam QCXDVN 09:2017/BXD không? Trích dẫn điều khoản liên quan.”
• Tạo Tài liệu theo Mẫu: AI có thể hỗ trợ soạn thảo các tài liệu theo mẫu định sẵn, như báo cáo RFI, biên bản nghiệm thu, hay mô tả kỹ thuật, bằng cách điền thông tin cụ thể vào các trường yêu cầu dựa trên hướng dẫn chi tiết.

Khả năng tuân thủ hướng dẫn chính xác, kết hợp với cửa sổ ngữ cảnh lớn, cho phép GPT-4.1 hoạt động như một trợ lý kỹ thuật số đáng tin cậy hơn, giảm thiểu sai sót do hiểu nhầm hoặc bỏ sót yêu cầu, vốn là những vấn đề thường gặp trong các quy trình thủ công.⁴

2.3. “Quy Trình Tác Nhân” (Agentic Workflows): Trợ Lý AI Tự Hành

GPT-4.1 được thiết kế để hỗ trợ mạnh mẽ cho các “quy trình tác nhân” (agentic workflows).⁶ Đây là khái niệm chỉ các hệ thống AI có khả năng tự chủ thực hiện các nhiệm vụ phức tạp, bao gồm việc lập kế hoạch, ra quyết định từng bước, và tương tác với các công cụ hoặc nguồn dữ liệu bên ngoài để đạt được mục tiêu đề ra.¹⁴ Thay vì chỉ phản hồi một cách thụ động, AI tác nhân (AI agent) có thể chủ động chia nhỏ vấn đề, tìm kiếm thông tin cần thiết, thực hiện các bước logic, và tự điều chỉnh kế hoạch dựa trên kết quả thu được.¹⁴

Ứng dụng tiềm năng trong BIM/AEC:

Việc GPT-4.1 được tối ưu cho các quy trình tác nhân mở ra khả năng tự động hóa nhiều tác vụ phức tạp và tốn thời gian trong ngành AEC:

• Kiểm tra Tuân thủ Quy chuẩn Tự động: Một AI agent có thể được giao nhiệm vụ rà soát toàn bộ hồ sơ thiết kế (bản vẽ, thuyết minh, mô hình BIM) và đối chiếu với một bộ quy chuẩn, tiêu chuẩn kỹ thuật cụ thể (ví dụ: TCVN, QCXDVN, tiêu chuẩn PCCC). Agent này có thể tự động xác định các tài liệu liên quan, trích xuất thông tin cần thiết, so sánh với yêu cầu quy chuẩn, và lập báo cáo các điểm chưa tuân thủ.¹⁷ Các nghiên cứu và ứng dụng thực tế đã cho thấy tiềm năng của AI trong việc tự động hóa phân tích tài liệu thiết kế so với mã xây dựng ¹⁹, và việc chuyển đổi từ bản vẽ 2D sang mô hình 3D để kiểm tra cũng đã được thực hiện.¹⁸
• Rà soát Báo cáo Phát hiện Va chạm (Clash Detection): Sau khi phần mềm BIM (như Navisworks, Revit) xuất ra báo cáo hàng trăm hoặc hàng nghìn va chạm tiềm ẩn giữa các hệ thống (kết cấu, MEP, kiến trúc) ²¹, một AI agent có thể tự động phân tích báo cáo này. Nó có thể phân loại mức độ nghiêm trọng của va chạm (ví dụ: va chạm cứng, va chạm mềm/khoảng hở) ²¹, nhóm các va chạm tương tự, xác định các bên liên quan cần giải quyết, và thậm chí đề xuất các giải pháp ban đầu dựa trên các quy tắc hoặc kinh nghiệm từ các dự án trước.²³ Việc này giúp đẩy nhanh quá trình phối hợp và giải quyết xung đột, giảm thiểu đáng kể lỗi thi công.²²
• Bóc tách Khối lượng Sơ bộ (Preliminary Quantity Takeoff – QTO): AI có thể được huấn luyện để “đọc” bản vẽ 2D (PDF) hoặc mô hình BIM và tự động nhận diện, đo đạc, và ước tính khối lượng các hạng mục cơ bản (ví dụ: diện tích tường, thể tích bê tông, số lượng cửa sổ).²⁶ Các công cụ AI chuyên dụng cho QTO đã xuất hiện, tuyên bố tiết kiệm đến 80-90% thời gian và tăng độ chính xác.²⁶ Windover Construction báo cáo giảm hơn 50% thời gian bóc tách khối lượng nhờ tích hợp BIM và Autodesk Takeoff.²⁸ Mặc dù việc bóc tách chi tiết các hạng mục phức tạp vẫn cần sự giám sát của con người, AI có thể hỗ trợ đắc lực trong giai đoạn lập dự toán sơ bộ hoặc kiểm tra nhanh khối lượng.
• Xử lý Yêu cầu Thông tin (RFI) và Đánh giá Bản đệ trình (Submittal Review): Đây là những quy trình tốn nhiều thời gian và thường là điểm nghẽn trong giao tiếp dự án.²⁹ Một AI agent có thể:

• Phân tích RFI: Đọc nội dung RFI, xác định vấn đề cốt lõi, tìm kiếm thông tin liên quan trong tài liệu dự án (nhờ ngữ cảnh lớn), và đề xuất câu trả lời ban đầu hoặc chuyển RFI đến đúng người/bộ phận phụ trách.²⁹ AI có thể học từ các RFI trước đó để dự đoán các vấn đề tiềm ẩn.²⁹
• Rà soát Submittal: Tự động kiểm tra các bản đệ trình vật liệu hoặc bản vẽ thi công so với yêu cầu kỹ thuật đã được phê duyệt trong hợp đồng hoặc thông số kỹ thuật.³¹ AI có thể gắn cờ các điểm không phù hợp, tóm tắt nội dung chính, và đẩy nhanh quá trình xem xét.³¹ Các nền tảng như Part3 đã tích hợp AI để quét, tóm tắt và gắn cờ lỗi trong các gói đệ trình.³¹ Việc tự động hóa này có thể giúp giảm đáng kể thời gian phản hồi (turnaround time), có thể lên đến 3 lần hoặc hơn như một số kỳ vọng đề cập, giúp dự án tiến triển nhanh hơn.³²

GPT-4.1, với khả năng tuân thủ hướng dẫn và xử lý ngữ cảnh dài, là nền tảng lý tưởng để xây dựng các AI agent hiệu quả cho ngành AEC, tự động hóa các quy trình lặp đi lặp lại và đòi hỏi nhiều phân tích dữ liệu.

2.4. Khả Năng Suy Luận Nâng Cao (Chain-of-Thought Prompting): Giải Quyết Vấn Đề Phức Tạp

Ngoài việc thực thi các tác vụ cụ thể, GPT-4.1 còn sở hữu khả năng suy luận nâng cao, đặc biệt khi được kích hoạt thông qua kỹ thuật “Chain-of-Thought” (Chuỗi Tư duy – CoT) prompting.³³ Kỹ thuật này khuyến khích mô hình “suy nghĩ” từng bước, trình bày rõ ràng quá trình lập luận để đi đến kết luận cuối cùng, thay vì chỉ đưa ra câu trả lời trực tiếp.³⁵ Việc yêu cầu mô hình “Hãy suy nghĩ từng bước” (Let’s think step by step) hoặc cung cấp các ví dụ về cách lập luận (few-shot CoT) có thể cải thiện đáng kể hiệu suất của LLM trong các nhiệm vụ đòi hỏi logic và phân tích đa bước.³³

Lợi ích cho BIM/AEC:

Khả năng suy luận từng bước này rất hữu ích trong việc giải quyết các vấn đề thiết kế hoặc thi công phức tạp, nơi không có câu trả lời đơn giản hoặc cần cân nhắc nhiều yếu tố:

• Đánh giá Phương án Thiết kế: Khi đối mặt với nhiều lựa chọn thiết kế (ví dụ: các phương án kết cấu khác nhau, vật liệu mặt dựng thay thế), AI có thể được yêu cầu phân tích từng phương án dựa trên một bộ tiêu chí đa dạng (chi phí, hiệu quả năng lượng, tính bền vững, khả năng thi công, tuân thủ quy chuẩn). Bằng cách trình bày lập luận từng bước cho mỗi phương án, AI giúp các nhà thiết kế và chủ đầu tư đưa ra quyết định sáng suốt hơn. Ví dụ: “Phân tích ưu nhược điểm của 3 phương án hệ thống điều hòa không khí [mô tả 3 phương án] cho tòa nhà văn phòng X, dựa trên các tiêu chí: chi phí đầu tư ban đầu, chi phí vận hành hàng năm ước tính, hiệu quả năng lượng (EER/COP), và yêu cầu không gian lắp đặt. Trình bày phân tích từng bước cho mỗi phương án.”
• Phân tích Nguyên nhân Sự cố (Root Cause Analysis): Đối với các sự cố đơn giản hoặc các vấn đề lặp lại trong quá trình thi công, AI có thể hỗ trợ phân tích nguyên nhân gốc rễ bằng cách xem xét chuỗi sự kiện, đối chiếu với thông số kỹ thuật, và loại trừ các yếu tố khả dĩ. Ví dụ: “Hiện tượng nứt tường lặp lại ở vị trí Y trên tầng 3. Dữ liệu đầu vào: [mô tả vết nứt, thời điểm xuất hiện, điều kiện môi trường, bản vẽ kết cấu liên quan, thông số vật liệu tường]. Hãy phân tích các nguyên nhân tiềm ẩn có thể gây ra hiện tượng này theo từng bước logic.”
• Lập Kế hoạch Thi công Sơ bộ: AI có thể hỗ trợ lập kế hoạch trình tự công việc cơ bản bằng cách xem xét các mối quan hệ phụ thuộc giữa các hạng mục và các ràng buộc về nguồn lực, trình bày logic đằng sau trình tự đề xuất.

Bằng cách yêu cầu GPT-4.1 giải thích quá trình suy luận của nó, các chuyên gia AEC không chỉ nhận được câu trả lời mà còn hiểu được cách AI đi đến câu trả lời đó. Điều này tăng cường sự tin cậy và cho phép con người kiểm tra, hiệu chỉnh logic của AI, đảm bảo các quyết định cuối cùng dựa trên cơ sở vững chắc. Khả năng này, kết hợp với agentic workflows, cho phép AI không chỉ thực thi mà còn “lập luận” về các vấn đề kỹ thuật, trở thành một công cụ hỗ trợ tư duy mạnh mẽ.

3. Prompting Hiệu Quả: Chìa Khóa Mở Khóa Tiềm Năng GPT-4.1

Sở hữu một mô hình AI mạnh mẽ như GPT-4.1 mới chỉ là một nửa câu chuyện. Để khai thác tối đa sức mạnh của nó, đặc biệt là trong môi trường đòi hỏi kỹ thuật cao như BIM/AEC, việc làm chủ nghệ thuật và khoa học của “prompting” – cách chúng ta đặt câu hỏi và đưa ra hướng dẫn cho AI – là yếu tố then chốt.

3.1. “Prompting” Là Gì?

Hiểu một cách đơn giản, “prompt” là đầu vào (input) mà người dùng cung cấp cho một Mô hình Ngôn ngữ Lớn (LLM) để nó phản hồi.³³ Prompt có thể là một câu hỏi đơn giản, một yêu cầu phức tạp, một đoạn văn bản cần xử lý, hoặc một tập hợp các hướng dẫn chi tiết. “Prompt engineering” (kỹ thuật prompting) là quá trình thiết kế và tinh chỉnh các prompt này một cách cẩn thận để nhận được kết quả đầu ra tốt nhất, chính xác nhất và phù hợp nhất từ LLM.³³

3.2. Tầm Quan Trọng của Prompting Tốt

Với một mô hình có năng lực cao như GPT-4.1, chất lượng của prompt càng trở nên quan trọng. Một prompt mơ hồ hoặc thiếu chi tiết có thể dẫn đến kết quả không chính xác, không liên quan, hoặc thậm chí là “ảo giác” (hallucination) – nơi AI tự tin đưa ra thông tin sai lệch nhưng nghe có vẻ hợp lý.¹⁵ Ngược lại, một prompt được xây dựng tốt, rõ ràng và đầy đủ ngữ cảnh sẽ giúp định hướng GPT-4.1 tập trung vào đúng nhiệm vụ, tuân thủ các yêu cầu cụ thể và tận dụng tối đa khả năng suy luận của nó.¹⁶

Trong bối cảnh BIM/AEC, nơi mà độ chính xác, tuân thủ tiêu chuẩn và định dạng dữ liệu là tối quan trọng ¹⁹, một prompt hiệu quả có thể tạo ra sự khác biệt giữa một kết quả hữu ích và một kết quả vô dụng hoặc nguy hiểm. Việc đưa ra hướng dẫn sai lệch hoặc không đầy đủ có thể dẫn đến việc AI bỏ sót các yêu cầu quy chuẩn, trích xuất sai dữ liệu, hoặc đề xuất các giải pháp không phù hợp.

3.3. Nguyên Tắc Prompting Hiệu Quả cho GPT-4.1 trong AEC

Dựa trên các hướng dẫn chung về prompting và những khuyến nghị cụ thể cho các mô hình tiên tiến như GPT-4.1, các nguyên tắc sau đây đặc biệt hữu ích khi áp dụng trong lĩnh vực BIM/AEC:

• Rõ ràng và Cụ thể (Clear and Specific): Nêu rõ mục tiêu bạn muốn AI đạt được. Tránh các thuật ngữ mơ hồ. Thay vì “Phân tích thiết kế này”, hãy nói “Kiểm tra bản vẽ mặt cắt AA xem có xung đột nào giữa dầm kết cấu và ống thông gió chính không?”.³³ Cung cấp đầy đủ chi tiết cần thiết để AI hiểu nhiệm vụ.
• Cung cấp Ngữ cảnh (Provide Context): Đưa ra thông tin nền tảng cần thiết để AI hiểu bối cảnh của yêu cầu. Điều này có thể bao gồm loại dự án, giai đoạn dự án, các tiêu chuẩn áp dụng, hoặc trích đoạn tài liệu liên quan.³³ Với cửa sổ ngữ cảnh lớn của GPT-4.1, bạn có thể cung cấp ngữ cảnh rất chi tiết.
• Sử dụng Cấu trúc và Dấu phân cách (Use Structure and Delimiters): Định dạng prompt một cách có cấu trúc, sử dụng tiêu đề, dấu phân cách (như ###Instruction###, ###Context###, ###Example###) hoặc các dấu ngoặc đặc biệt để phân tách rõ ràng giữa hướng dẫn, dữ liệu đầu vào, và ví dụ.²⁰ Điều này giúp AI phân tích prompt dễ dàng hơn.
• Cung cấp Ví dụ (Few-Shot Prompting): Đây là một kỹ thuật cực kỳ hiệu quả, đặc biệt khi yêu cầu định dạng đầu ra cụ thể hoặc một phong cách trả lời nhất định. Hãy đưa ra một hoặc vài ví dụ (few-shot) về cách bạn muốn AI thực hiện nhiệm vụ.¹⁶ Ví dụ, nếu muốn AI trích xuất dữ liệu thành bảng, hãy cung cấp một ví dụ về bảng đó.
• Chỉ định Vai trò (Assign a Role): Yêu cầu AI đóng một vai trò cụ thể (ví dụ: “Hãy đóng vai một kỹ sư MEP”, “Bạn là một chuyên gia kiểm tra quy chuẩn”) giúp AI điều chỉnh giọng điệu, trọng tâm và kiến thức chuyên môn phù hợp với nhiệm vụ.¹³
• Xác định Định dạng Đầu ra (Specify Output Format): Yêu cầu rõ ràng định dạng bạn muốn nhận được (ví dụ: “Trả lời dưới dạng danh sách gạch đầu dòng”, “Xuất kết quả dưới dạng JSON”, “Viết báo cáo theo mẫu sau…”).⁹
• Khuyến khích Suy luận Từng bước (Encourage Chain-of-Thought): Đối với các vấn đề phức tạp đòi hỏi phân tích logic, hãy yêu cầu AI “suy nghĩ từng bước” hoặc trình bày quá trình lập luận của nó.³³
• Lặp lại và Tinh chỉnh (Iterate and Refine): Hiếm khi có được prompt hoàn hảo ngay lần đầu. Hãy thử nghiệm, đánh giá kết quả và điều chỉnh prompt cho đến khi đạt được chất lượng mong muốn.³³ GPT-4.1 có xu hướng tuân theo các hướng dẫn gần cuối prompt hơn nếu có mâu thuẫn.¹⁶
• (GPT-4.1 Specific): Trong các quy trình tác nhân, hãy bao gồm các nhắc nhở về tính liên tục (persistence), việc sử dụng công cụ (tool-calling), và lập kế hoạch (planning) để tối ưu hóa hành vi tự hành của mô hình.¹⁶ Tránh sử dụng các từ ngữ quá lịch sự hoặc các hình thức “hối lộ” không cần thiết trừ khi các phương pháp tiêu chuẩn không hiệu quả.¹⁶

Việc áp dụng những nguyên tắc này đòi hỏi sự hiểu biết về cả yêu cầu kỹ thuật của ngành AEC lẫn cách thức hoạt động của LLM. Nó không chỉ đơn thuần là đặt câu hỏi, mà là việc thiết kế một quy trình giao tiếp hiệu quả với AI để đạt được mục tiêu cụ thể. Khi các chuyên gia AEC cần AI thực hiện một tác vụ chính xác – ví dụ, trích xuất dữ liệu theo một lược đồ BIM cụ thể hoặc kiểm tra sự tuân thủ một tiểu mục trong quy chuẩn phòng cháy – prompt cần phải mã hóa tất cả các ràng buộc, ngữ cảnh và các bước cần thiết. Điều này tương tự như việc xác định logic của một chương trình máy tính, nhưng sử dụng ngôn ngữ tự nhiên làm phương tiện. Do đó, việc phát triển kỹ năng chuyển đổi các yêu cầu chuyên môn thành các hướng dẫn AI hiệu quả trở thành một năng lực quan trọng.

3.4. Ví dụ Prompting Thực tế cho Tác vụ BIM Cơ bản

Dưới đây là một vài ví dụ minh họa cách áp dụng các nguyên tắc trên cho các tác vụ đơn giản trong BIM/AEC:

Ví dụ 1: Tóm tắt Biên bản Họp

Code snippet

###Instruction###
Bạn là một Kiến trúc sư Trưởng Dự án.
Nhiệm vụ của bạn là đọc kỹ biên bản cuộc họp dưới đây, tập trung vào các quyết định và hành động liên quan đến hệ thống tường kính mặt dựng (curtain wall system).
Tóm tắt các điểm chính sau thành một danh sách gạch đầu dòng:
1.  Các quyết định quan trọng đã được thống nhất.
2.  Các hạng mục công việc (action items) được giao cho ai.
3.  Thời hạn (deadline) cho từng hạng mục công việc.

###Context: Meeting Minutes###
[Dán nội dung biên bản cuộc họp vào đây...]

###Output Format###
Danh sách gạch đầu dòng.

• (Minh họa: Vai trò, Cụ thể, Ngữ cảnh, Định dạng đầu ra)

Ví dụ 2: Trích xuất Thông số Kỹ thuật từ Báo cáo

Code snippet

###Instruction###
Phân tích đoạn văn bản trích từ báo cáo của kỹ sư kết cấu dưới đây.
Trích xuất tất cả các thông tin về cường độ chịu nén của bê tông (đơn vị MPa hoặc psi).
Xuất kết quả dưới dạng một đối tượng JSON, trong đó mỗi khóa (key) là vị trí/cấu kiện được mô tả và giá trị (value) là cường độ được chỉ định.

###Context: Report Snippet###
"Đối với cột C1 đến C5 tại tầng trệt, yêu cầu sử dụng bê tông mác 400 (tương đương $f'_{c}$ = 30 MPa). Dầm D1 và D2 yêu cầu cường độ tối thiểu 25 MPa. Sàn tầng 2 được thiết kế với bê tông có cường độ 3500 psi."

###Output Format###
JSON object.

• (Minh họa: Cụ thể, Ngữ cảnh, Định dạng đầu ra)

Ví dụ 3: Kiểm tra Tuân thủ Quy chuẩn Đơn giản (Zero-Shot CoT)

Code snippet

###Instruction###
Xem xét mô tả thiết kế hành lang thoát nạn đề xuất dưới đây.
Dựa trên yêu cầu trong TCVN rằng chiều rộng thông thủy tối thiểu của hành lang thoát nạn là 1.2 mét, hãy xác định xem thiết kế này có tuân thủ hay không.
Giải thích lý do của bạn từng bước một.

###Context: Proposed Corridor Design###
"Hành lang thoát nạn chính dẫn ra cầu thang bộ có chiều dài 15 mét và chiều rộng thông thủy đo được trên bản vẽ là 1.1 mét."

###Output Format###
Xác định tuân thủ (Có/Không) và giải thích từng bước.

• (Minh họa: Cụ thể, Ngữ cảnh, Chain-of-Thought, Định dạng đầu ra)

Những ví dụ này cho thấy cách cấu trúc prompt một cách rõ ràng, cung cấp đủ ngữ cảnh và chỉ định định dạng đầu ra có thể giúp GPT-4.1 thực hiện các tác vụ BIM/AEC cơ bản một cách hiệu quả và đáng tin cậy hơn.

4. Bắt Đầu Áp Dụng: Chiến Lược và Lưu Ý

Việc tích hợp một công nghệ đột phá như GPT-4.1 vào quy trình làm việc của ngành AEC đòi hỏi một cách tiếp cận chiến lược và thận trọng. Thay vì triển khai ồ ạt, các công ty nên bắt đầu bằng những bước thử nghiệm nhỏ và cân nhắc kỹ lưỡng các yếu tố quan trọng.

4.1. Các Bước Thử Nghiệm Ban Đầu

Để làm quen và đánh giá tiềm năng thực tế của GPT-4.1, các công ty AEC nên xem xét các bước khởi đầu sau:

• Bắt đầu từ Nhỏ và Tập trung vào Hiệu quả Cá nhân: Xác định các tác vụ lặp đi lặp lại, tốn thời gian nhưng có rủi ro thấp, nơi AI có thể mang lại lợi ích tức thì cho năng suất cá nhân.³⁰ Ví dụ bao gồm:

• Tóm tắt các tài liệu kỹ thuật dài, biên bản họp, hoặc email trao đổi.³³
• Soạn thảo bản nháp ban đầu cho các email, báo cáo đơn giản, hoặc phản hồi RFI thông thường.³⁰
• Hỗ trợ động não ý tưởng thiết kế hoặc tìm kiếm thông tin về vật liệu, giải pháp kỹ thuật mới.
• Tạo ghi chú cuộc họp tự động (sử dụng các công cụ tích hợp AI).⁴¹

• Sử dụng Công cụ Sẵn có: Tận dụng các giao diện dễ tiếp cận như ChatGPT (với quyền truy cập GPT-4.1) hoặc các công cụ AI tích hợp trong bộ phần mềm văn phòng (như Microsoft Copilot) để thử nghiệm mà không cần đầu tư lớn vào phát triển API tùy chỉnh ban đầu.⁴¹
• Thành lập Nhóm Tiên phong: Tạo một nhóm nhỏ gồm những người nhiệt tình với công nghệ từ các bộ phận khác nhau (thiết kế, quản lý dự án, BIM) để khám phá các ứng dụng tiềm năng, thử nghiệm các prompt khác nhau và chia sẻ kinh nghiệm, bài học rút ra.
• Thử nghiệm trên Dữ liệu Không Nhạy cảm: Trong giai đoạn đầu, ưu tiên sử dụng AI trên các dữ liệu công khai hoặc dữ liệu dự án đã được ẩn danh hóa để giảm thiểu rủi ro về bảo mật.

Cách tiếp cận này cho phép các công ty xây dựng sự hiểu biết và niềm tin vào công nghệ, xác định các trường hợp sử dụng có giá trị nhất và chuẩn bị cho việc triển khai quy mô lớn hơn một cách bài bản.

4.2. Các Yếu Tố Quan Trọng Cần Cân Nhắc Khi Triển Khai

Khi chuyển từ thử nghiệm sang triển khai rộng rãi hơn, các công ty AEC phải đối mặt và giải quyết một loạt các yếu tố quan trọng:

a. Bảo mật và Quyền riêng tư Dữ liệu:

Đây là mối quan tâm hàng đầu và là rào cản lớn trong việc áp dụng AI trong AEC.³ Dữ liệu dự án bao gồm thông tin thiết kế độc quyền, chi tiết hợp đồng nhạy cảm, thông tin khách hàng và dữ liệu kỹ thuật có giá trị cao.

• Rủi ro: Việc sử dụng các mô hình AI công cộng (như phiên bản miễn phí của ChatGPT) có thể tiềm ẩn rủi ro dữ liệu đầu vào bị sử dụng để huấn luyện mô hình trong tương lai hoặc bị lộ lọt.⁴⁴ Việc gửi dữ liệu nhạy cảm qua các API không được bảo mật đúng cách cũng làm tăng nguy cơ bị tấn công mạng.³
• Giải pháp:

• Ưu tiên Giải pháp Doanh nghiệp/Riêng tư: Sử dụng các nền tảng AI dành cho doanh nghiệp (như Azure OpenAI Service cung cấp GPT-4.1 ⁶, Google Cloud AI ⁴⁷, Amazon Bedrock ⁴⁷) hoặc các giải pháp AI riêng tư (private AI) cho phép kiểm soát tốt hơn việc sử dụng dữ liệu, đảm bảo dữ liệu không bị dùng để huấn luyện mô hình công cộng và tuân thủ các chính sách bảo mật của công ty.⁴⁴
• Xây dựng Chính sách Quản trị AI Rõ ràng: Thiết lập các quy tắc nội bộ về việc loại dữ liệu nào được phép đưa vào AI, cách thức ẩn danh hóa dữ liệu, và ai có quyền truy cập vào các công cụ AI.⁴³
• Đánh giá Nhà cung cấp: Xem xét kỹ lưỡng các điều khoản dịch vụ và chính sách bảo mật của nhà cung cấp AI, đặc biệt là về quyền sở hữu dữ liệu, vị trí lưu trữ dữ liệu và các biện pháp bảo mật được áp dụng.⁴³
• Tuân thủ Quy định: Đảm bảo việc sử dụng AI tuân thủ các quy định về bảo vệ dữ liệu hiện hành (ví dụ: GDPR nếu làm việc với đối tác châu Âu).⁴⁶

b. Chi phí Triển khai và Vận hành:

Việc áp dụng AI không chỉ dừng lại ở chi phí công nghệ mà còn bao gồm nhiều yếu tố khác.²

• Chi phí Công nghệ:

• API Usage: Hầu hết các LLM tiên tiến được cung cấp qua API và tính phí dựa trên số lượng token đầu vào và đầu ra.⁴⁸ GPT-4.1 được cho là hiệu quả về chi phí hơn 26% so với GPT-4o và không tính phí bổ sung cho ngữ cảnh dài ⁷, nhưng việc sử dụng thường xuyên với khối lượng dữ liệu lớn vẫn có thể tốn kém. Các mô hình khác như Gemini cũng có chi phí liên quan đến token.⁸
• Phần mềm Tích hợp: Chi phí bản quyền cho các phần mềm AEC có tích hợp sẵn AI hoặc các nền tảng AI chuyên dụng.⁴⁸
• Hạ tầng (Nếu cần): Chi phí cho điện toán đám mây (AWS, Azure, GCP) để huấn luyện tinh chỉnh (fine-tuning) mô hình hoặc triển khai các mô hình riêng.⁴⁸ Chi phí này có thể rất đáng kể, đặc biệt đối với việc huấn luyện các mô hình lớn.

• Chi phí Phát triển và Tích hợp: Chi phí thuê nhân sự hoặc đối tác để phát triển các ứng dụng AI tùy chỉnh, tích hợp API vào quy trình làm việc hiện có, và xây dựng giao diện người dùng.⁴⁸ Chi phí phát triển một giải pháp AI cơ bản có thể từ $20,000 – $80,000, nhưng các giải pháp tùy chỉnh phức tạp có thể lên đến $500,000+.⁵⁰
• Chi phí Đào tạo Nhân lực: Đầu tư vào việc đào tạo nhân viên cách sử dụng hiệu quả các công cụ AI và kỹ thuật prompting là rất quan trọng và cần được tính vào ngân sách.²
• Chi phí Bảo trì: Chi phí liên tục cho việc theo dõi hiệu suất mô hình, huấn luyện lại (retraining) để cập nhật kiến thức hoặc chống lại sự suy giảm chất lượng (model drift), và cập nhật phần mềm.⁴⁸

Các công ty cần thực hiện phân tích chi phí-lợi ích (Cost-Benefit Analysis) cẩn thận, cân nhắc giữa khoản đầu tư ban đầu và tiềm năng tiết kiệm chi phí vận hành (giảm thời gian thực hiện tác vụ, giảm lỗi và làm lại) cũng như lợi ích chiến lược dài hạn.⁴⁵

c. Tích hợp với Hệ sinh thái Phần mềm AEC Hiện có:

Ngành AEC phụ thuộc vào một hệ sinh thái phần mềm đa dạng và thường phức tạp (Revit, AutoCAD, Civil 3D, Navisworks, Tekla, Procore, v.v.).¹ Việc tích hợp AI một cách liền mạch vào các quy trình làm việc hiện có là một thách thức kỹ thuật và quy trình.²

• Thách thức:

• Tính tương thích: Đảm bảo AI có thể đọc, hiểu và tương tác với các định dạng file đặc thù của AEC (DWG, RVT, IFC, PDF kỹ thuật).³
• API và Kết nối: Sự sẵn có và chất lượng của Giao diện Lập trình Ứng dụng (API) từ cả phần mềm AEC và nền tảng AI để cho phép trao đổi dữ liệu.⁹
• Quy trình làm việc: Thiết kế lại quy trình làm việc để tích hợp AI một cách tự nhiên mà không gây gián đoạn hoặc tạo thêm các bước phức tạp.²
• Chuẩn hóa Dữ liệu: Thiếu chuẩn hóa dữ liệu trong ngành có thể cản trở khả năng của AI trong việc phân tích và học hỏi từ dữ liệu dự án.³ Tiêu chuẩn IFC (Industry Foundation Classes) được xem là yếu tố quan trọng để cải thiện khả năng tương tác.⁵²
• Giải pháp và Xu hướng:

• Công cụ Tích hợp Sẵn: Ngày càng có nhiều nhà cung cấp phần mềm AEC tích hợp các tính năng AI trực tiếp vào sản phẩm của họ (ví dụ: Autodesk Takeoff với AI symbol detection ²⁸, Vectorworks AI Visualizer ⁵⁶).
• Nền tảng AI Chuyên dụng cho AEC: Sự xuất hiện của các công ty khởi nghiệp và nền tảng tập trung vào việc cung cấp giải pháp AI cho các tác vụ AEC cụ thể (xem Bảng 1).⁴²
• Sử dụng API và Phát triển Tùy chỉnh: Các công ty lớn có thể đầu tư vào việc xây dựng các giải pháp tích hợp tùy chỉnh sử dụng API.⁵³
• Tập trung vào Dữ liệu Phi cấu trúc: LLMs đặc biệt mạnh trong việc xử lý dữ liệu văn bản phi cấu trúc (báo cáo, email, thông số kỹ thuật, RFI), nơi các công cụ truyền thống gặp khó khăn.⁶²

Bảng 1: Ví dụ về Công cụ/Nền tảng AI/LLM cho Ngành AEC (Thông tin dựa trên các nguồn đã tham khảo)

(Lưu ý: Bảng này chỉ mang tính minh họa dựa trên thông tin có sẵn. Tính năng và khả năng tích hợp thực tế có thể thay đổi.)

Việc triển khai thành công AI trong AEC không chỉ phụ thuộc vào sức mạnh của bản thân mô hình AI. Nó đòi hỏi một chiến lược toàn diện, giải quyết đồng thời các thách thức về bảo mật dữ liệu, quản lý chi phí, tích hợp kỹ thuật liền mạch và yếu tố con người (đào tạo, xây dựng lòng tin, giám sát). Bỏ qua bất kỳ khía cạnh nào trong số này đều có thể làm chệch hướng các nỗ lực triển khai, ngay cả khi công nghệ AI là tiên tiến nhất. Do đó, các công ty cần tiếp cận việc áp dụng AI một cách tổng thể, xem xét đồng thời các khía cạnh vận hành, tài chính, kỹ thuật và con người, thay vì chỉ tập trung vào bản thân công nghệ AI.

4.3. Yếu Tố Con Người Không Thể Thiếu: Giám Sát và Ra Quyết Định Cuối Cùng

Một trong những điểm quan trọng nhất cần nhấn mạnh là vai trò không thể thay thế của con người trong kỷ nguyên AI. Các mô hình như GPT-4.1 là những công cụ cực kỳ mạnh mẽ để hỗ trợ và tăng cường năng lực của các chuyên gia AEC, chứ không phải để thay thế hoàn toàn họ.⁴³

• Sự Cần Thiết của Giám Sát và Thẩm định: Mặc dù AI có thể xử lý dữ liệu và tuân thủ hướng dẫn với độ chính xác cao, nó vẫn có thể mắc lỗi, đưa ra thông tin sai lệch (ảo giác), hoặc thiếu hiểu biết về các yếu tố ngữ cảnh tinh tế mà chỉ con người mới nhận ra.¹⁵ Do đó, mọi kết quả đầu ra từ AI, đặc biệt là trong các tình huống có ảnh hưởng lớn đến an toàn, chi phí hoặc pháp lý, đều phải được các chuyên gia con người xem xét, thẩm định và phê duyệt cuối cùng.⁴⁷
• Trách nhiệm và Nghĩa vụ Pháp lý: Các kiến trúc sư, kỹ sư và nhà quản lý dự án vẫn là người chịu trách nhiệm cuối cùng về các quyết định thiết kế, tư vấn và quản lý của mình, bất kể có sử dụng sự hỗ trợ của AI hay không.⁴⁵ Không thể đổ lỗi hay thoái thác trách nhiệm cho AI khi có sự cố xảy ra. Việc đảm bảo chất lượng và tính đúng đắn của thông tin trước khi sử dụng hoặc chia sẻ là nghĩa vụ của người dùng.⁶⁶
• Vai trò Bổ trợ của AI: AI xuất sắc trong việc tự động hóa các tác vụ lặp đi lặp lại, phân tích dữ liệu quy mô lớn, và cung cấp thông tin nhanh chóng. Điều này giải phóng thời gian và năng lực của con người để tập trung vào các hoạt động đòi hỏi tư duy bậc cao hơn như:

• Giải quyết các vấn đề phức tạp, đa chiều.
• Sáng tạo và đổi mới trong thiết kế.
• Đưa ra các phán đoán đạo đức và cân nhắc các yếu tố xã hội.
• Tương tác, đàm phán và xây dựng mối quan hệ với khách hàng và các bên liên quan.
• Quản lý và lãnh đạo đội ngũ.⁵⁶
• Yêu cầu về Kỹ năng Mới: Việc AI đảm nhận nhiều tác vụ thông thường hơn đòi hỏi các chuyên gia AEC phải phát triển các kỹ năng mới. Thay vì chỉ là người vận hành phần mềm truyền thống, họ cần trở thành người có khả năng:

• Tư duy phản biện: Đánh giá khách quan và phê bình các kết quả do AI tạo ra.
• Kỹ năng thẩm định: Kiểm tra tính chính xác và phù hợp của thông tin AI cung cấp dựa trên kiến thức chuyên môn và kinh nghiệm thực tế.
• Hợp tác Người-Máy: Làm việc hiệu quả cùng với các hệ thống AI, biết cách đặt câu hỏi đúng, diễn giải kết quả và tích hợp AI vào quy trình ra quyết định.

Sự tích hợp của AI mạnh mẽ như GPT-4.1 không làm giảm giá trị của con người, mà thực tế lại nâng cao tầm quan trọng của các kỹ năng độc đáo của con người như óc phán đoán, kinh nghiệm, trực giác và khả năng đưa ra quyết định trong các tình huống phức tạp, mơ hồ. Tương lai của ngành AEC sẽ được định hình bởi sự hợp tác hiệu quả giữa trí tuệ con người và trí tuệ nhân tạo.

5. Quỹ Đạo Tương Lai: Vai Trò Ngày Càng Phát Triển của AI trong BIM/AEC

Cuộc cách mạng AI trong ngành BIM/AEC chỉ mới bắt đầu. Với tốc độ phát triển nhanh chóng của công nghệ, vai trò của AI được dự đoán sẽ ngày càng sâu sắc và lan tỏa rộng hơn trong những năm tới, đặc biệt là từ năm 2025 trở đi.

5.1. Xu Hướng Mới Nổi và Năng Lực Thế Hệ Tiếp Theo

Ngoài các ứng dụng hiện tại, các xu hướng và khả năng AI sau đây được kỳ vọng sẽ định hình tương lai của ngành:

• Tích hợp BIM Sâu sắc hơn: AI sẽ không chỉ dừng lại ở việc đọc và phân tích dữ liệu BIM. Các mô hình tương lai có thể trực tiếp tạo ra hoặc sửa đổi các đối tượng BIM (ví dụ: tự động điều chỉnh layout đường ống để tránh va chạm, tạo ra các phương án bố trí mặt bằng dựa trên yêu cầu hiệu suất).²³ Việc tích hợp chặt chẽ với các tiêu chuẩn mở như IFC sẽ là chìa khóa để hiện thực hóa điều này.⁵²
• Thiết kế Sáng tạo (Generative Design) Tinh vi hơn: AI sẽ có khả năng tạo ra hàng trăm, thậm chí hàng nghìn phương án thiết kế độc đáo, tối ưu hóa đồng thời nhiều mục tiêu phức tạp như chi phí vòng đời, lượng khí thải carbon, tiện nghi người dùng, và khả năng phục hồi trước biến đổi khí hậu.¹⁸
• Phân tích Dự đoán Nâng cao: Các mô hình Machine Learning sẽ ngày càng chính xác hơn trong việc dự đoán rủi ro dự án (vượt chi phí, chậm tiến độ, tai nạn lao động) bằng cách phân tích các bộ dữ liệu lớn hơn và đa dạng hơn, bao gồm cả dữ liệu thời gian thực từ công trường.³
• Siêu Tự động hóa (Hyper-automation): Sự kết hợp giữa AI, Robotics và Internet of Things (IoT) sẽ thúc đẩy tự động hóa ở mức độ cao hơn trong thi công. Robot tự hành có thể đảm nhận các công việc nguy hiểm hoặc lặp đi lặp lại (xây tường, hàn, lắp đặt cấu kiện), trong khi drone tự động thực hiện khảo sát, giám sát tiến độ và kiểm tra chất lượng.²⁴
• Cặp song sinh Kỹ thuật số (Digital Twins) Thông minh hơn: AI sẽ làm phong phú thêm các mô hình Digital Twin bằng cách tích hợp dữ liệu vận hành thời gian thực từ các cảm biến IoT, cho phép mô phỏng hoạt động tòa nhà chính xác hơn, đưa ra cảnh báo bảo trì dự đoán, và tối ưu hóa việc sử dụng năng lượng một cách liên tục.²⁴
• Giao diện Ngôn ngữ Tự nhiên Phổ biến hơn: Việc tương tác với phần mềm và dữ liệu dự án phức tạp sẽ trở nên dễ dàng hơn thông qua các giao diện trò chuyện dựa trên LLM, cho phép người dùng đặt câu hỏi hoặc ra lệnh bằng ngôn ngữ tự nhiên thay vì phải điều hướng qua các menu phức tạp.⁴¹
• Phân tích Bền vững Toàn diện: AI sẽ đóng vai trò trung tâm trong việc thiết kế và vận hành các công trình bền vững, giúp tối ưu hóa việc lựa chọn vật liệu ít carbon, thiết kế thụ động, tích hợp năng lượng tái tạo, và quản lý tài nguyên theo mô hình kinh tế tuần hoàn.⁶⁵

5.2. Dự Đoán của Chuyên Gia và Triển Vọng Ngành (Từ 2025 Trở đi)

Các chuyên gia trong ngành và các nhà phân tích công nghệ đồng thuận rằng AI sẽ tiếp tục là một động lực chuyển đổi mạnh mẽ cho AEC trong năm 2025 và những năm tiếp theo. Một số dự đoán và nhận định chính bao gồm:

• AI trở thành Yếu tố Cạnh tranh Cốt lõi: Việc áp dụng AI sẽ không còn là tùy chọn mà trở thành điều kiện cần để các công ty AEC duy trì năng lực cạnh tranh, nâng cao hiệu quả và cung cấp các dịch vụ giá trị gia tăng.⁵¹ Các công ty chậm chân có nguy cơ bị tụt hậu.⁴³
• Tập trung vào Ứng dụng Thực tiễn và ROI: Mặc dù các khả năng mới sẽ tiếp tục xuất hiện, trọng tâm trong ngắn hạn và trung hạn (2025+) sẽ là việc triển khai và mở rộng quy mô các ứng dụng AI đã được chứng minh giá trị, như tối ưu hóa quy trình tiền xây dựng (QTO, dự toán), phân tích dữ liệu dự án, quản lý rủi ro, và nâng cao an toàn.⁵¹ Việc chứng minh lợi tức đầu tư (ROI) sẽ rất quan trọng.⁴⁵
• Chiến lược Dữ liệu là Nền tảng: Các chuyên gia nhấn mạnh tầm quan trọng của việc xây dựng một chiến lược dữ liệu vững chắc. Các công ty cần đầu tư vào việc thu thập, làm sạch, cấu trúc hóa và quản lý dữ liệu dự án một cách hiệu quả (ví dụ: xây dựng danh mục dữ liệu doanh nghiệp – enterprise data catalogs) để tạo nền tảng cho các ứng dụng AI thành công.⁵⁹ Dữ liệu chất lượng là yếu tố quyết định hiệu quả của AI.
• AI Tác nhân (Agentic AI) Phát triển: Các hệ thống AI tự hành có khả năng ra quyết định và thực hiện chuỗi hành động phức tạp sẽ ngày càng được ứng dụng nhiều hơn để tự động hóa các quy trình công việc.⁶⁰
• Sự Phát triển Kỹ năng và Vai trò Con người: Nhu cầu về các chuyên gia AEC có khả năng làm việc hiệu quả với AI, bao gồm kỹ năng prompting, tư duy phản biện, thẩm định kết quả và hiểu biết về đạo đức AI, sẽ tăng cao.⁶⁴ AI sẽ hỗ trợ con người tập trung vào các nhiệm vụ đòi hỏi sự sáng tạo và phán đoán phức tạp.⁶⁴
• Bền vững và Chống chịu là Động lực Chính: Các mục tiêu về giảm phát thải carbon, sử dụng tài nguyên hiệu quả và xây dựng cơ sở hạ tầng chống chịu tốt hơn trước biến đổi khí hậu sẽ thúc đẩy mạnh mẽ việc ứng dụng AI trong thiết kế và quản lý xây dựng.⁶⁰
• Thách thức về Triển khai Vẫn Tồn tại: Các rào cản về chi phí, tích hợp hệ thống, thiếu hụt nhân tài có kỹ năng, quy định pháp lý chưa rõ ràng và các vấn đề đạo đức sẽ tiếp tục là những thách thức cần vượt qua để AI được áp dụng rộng rãi và hiệu quả.⁶⁵
• Tầm quan trọng của Đạo đức và Trách nhiệm: Khi AI ngày càng có ảnh hưởng lớn hơn, các cuộc thảo luận về việc sử dụng AI một cách có trách nhiệm, minh bạch và công bằng sẽ trở nên quan trọng hơn bao giờ hết.⁶⁴

Nhìn chung, tương lai gần (từ 2025 trở đi) của AI trong AEC dường như ít tập trung vào những khả năng AI hoàn toàn mới mang tính cách mạng, mà chủ yếu xoay quanh việc tích hợp thực tế và mở rộng quy mô các công nghệ AI tiên tiến hiện có (như GPT-4.1) vào các quy trình cốt lõi của ngành. Thách thức lớn nhất không còn là liệu AI có thể làm được gì, mà là làm thế nào để triển khai AI một cách hiệu quả, an toàn, có đạo đức và bền vững trên quy mô lớn. Sự thành công sẽ phụ thuộc nhiều vào sự sẵn sàng của tổ chức, chiến lược dữ liệu, khả năng thích ứng của con người và quản trị hiệu quả hơn là chỉ dựa vào những tiến bộ công nghệ đơn thuần.

6. Lời Kêu Gọi Hành Động: Chủ Động Định Hình Tương Lai

Cuộc cách mạng AI đang diễn ra với tốc độ chóng mặt, và ngành BIM/AEC không nằm ngoài xu thế đó. Việc chờ đợi bên lề không còn là một lựa chọn khả thi.⁴³ Để không chỉ tồn tại mà còn phát triển mạnh mẽ trong bối cảnh mới, các chuyên gia và doanh nghiệp AEC cần chủ động tham gia và định hình tương lai ứng dụng AI trong ngành. Dưới đây là những hành động cụ thể được khuyến nghị:

• Liên tục Học hỏi và Khám phá: Chủ động tìm hiểu về các công nghệ AI mới nhất, đặc biệt là LLMs như GPT-4.1, các khả năng, giới hạn và tiềm năng ứng dụng của chúng trong AEC.⁴² Tham gia các khóa đào tạo, hội thảo, đọc các nghiên cứu và theo dõi các nguồn tin tức chuyên ngành.
• Thử nghiệm Có Trách nhiệm: Bắt đầu với các dự án thí điểm quy mô nhỏ, tập trung vào các tác vụ có rủi ro thấp nhưng tiềm năng mang lại lợi ích cao về năng suất hoặc hiệu quả.³⁰ Sử dụng dữ liệu không nhạy cảm trong giai đoạn đầu và đánh giá cẩn thận kết quả trước khi mở rộng.
• Xây dựng Chiến lược Dữ liệu Vững chắc: Nhận thức rằng dữ liệu là nền tảng của AI. Đầu tư vào việc thu thập, làm sạch, chuẩn hóa và quản lý dữ liệu dự án một cách có hệ thống.⁵⁹ Đảm bảo dữ liệu dễ dàng truy cập và sẵn sàng cho các ứng dụng AI.
• Thúc đẩy Đối thoại và Hợp tác: Tạo ra các diễn đàn trao đổi cởi mở trong nội bộ công ty và với các đối tác trong ngành về các phương pháp hay nhất, thách thức, cân nhắc đạo đức và nhu cầu tiêu chuẩn hóa trong việc áp dụng AI.⁶⁶ Chia sẻ kinh nghiệm và học hỏi lẫn nhau.
• Đầu tư vào Phát triển Kỹ năng: Nhận ra rằng AI sẽ thay đổi cách làm việc và đầu tư vào việc đào tạo, nâng cao kỹ năng cho đội ngũ nhân viên. Tập trung vào các kỹ năng cốt lõi của con người như tư duy phản biện, giải quyết vấn đề phức tạp, sáng tạo và đặc biệt là kỹ năng hợp tác hiệu quả với các hệ thống AI.⁶⁴

7. Kết luận: Nắm Bắt Cơ Hội Chuyển Đổi Cùng AI

Sự hội tụ của Trí tuệ Nhân tạo tiên tiến, đặc biệt là các Mô hình Ngôn ngữ Lớn như GPT-4.1, với Mô hình Thông tin Công trình (BIM) đang mở ra một chương mới đầy hứa hẹn cho ngành Kiến trúc, Kỹ thuật và Xây dựng. Với những năng lực vượt trội như cửa sổ ngữ cảnh khổng lồ 1 triệu token, khả năng tuân thủ hướng dẫn chính xác, hỗ trợ quy trình tác nhân tự hành và năng lực suy luận nâng cao, GPT-4.1 có tiềm năng giải quyết nhiều thách thức cố hữu và biến đổi sâu sắc cách chúng ta thiết kế, quản lý và thi công các công trình.

Khi được điều hướng bởi kỹ thuật prompting hiệu quả, AI có thể trở thành một trợ lý đắc lực, giúp tự động hóa các tác vụ tốn thời gian như kiểm tra tuân thủ quy chuẩn, phân tích va chạm, bóc tách khối lượng sơ bộ, xử lý RFI và submittal. Nó không chỉ nâng cao năng suất và độ chính xác mà còn giải phóng các chuyên gia để tập trung vào các hoạt động mang lại giá trị cao hơn, đòi hỏi sự sáng tạo và phán đoán của con người.

Tuy nhiên, con đường tích hợp AI không hề bằng phẳng. Các thách thức về bảo mật dữ liệu, chi phí đầu tư, sự phức tạp trong tích hợp hệ thống và đặc biệt là sự cần thiết của vai trò giám sát, thẩm định và ra quyết định cuối cùng của con người đòi hỏi một chiến lược triển khai thận trọng và toàn diện.

Tương lai của ngành AEC chắc chắn sẽ gắn liền với AI. Việc chủ động tìm hiểu, thử nghiệm có trách nhiệm, xây dựng nền tảng dữ liệu vững chắc và đầu tư vào kỹ năng con người là những bước đi cần thiết để các doanh nghiệp không chỉ thích ứng mà còn dẫn đầu trong cuộc cách mạng công nghệ này. Nắm bắt sức mạnh của AI như GPT-4.1 không chỉ là cách để tối ưu hóa hoạt động hiện tại, mà còn là chìa khóa để mở ra những cơ hội đổi mới và tạo dựng lợi thế cạnh tranh bền vững trong một ngành công nghiệp đang không ngừng thay đổi.

Works cited

1. BIM TIẾT KIỆM THỜI GIAN CỦA CHUYÊN GIA AEC VÀ GIẢM RỦI RO NHƯ THẾ NÀO – BIM Hà Nội, accessed April 24, 2025, https://bim.edu.vn/bim-tiet-kiem-thoi-gian-cua-chuyen-gia-aec-va-giam-rui-ro-nhu-the-nao.html
2. Top BIM Implementation Challenges and Solutions – The Sack Company, accessed April 24, 2025, https://hasack.com/news/top-bim-implementation-challenges-and-solutions/
3. BIM and Big Data: Transforming the AEC Industry – Techture, accessed April 24, 2025, https://www.techture.global/blog/bim-and-big-data-integration
4. Challenges of Implementing BIM – DDC Solutions, accessed April 24, 2025, https://ddcsolutions.co.uk/bim-challenges/
5. Người quản lý BIM và nhóm hỗ trợ BIM – Point Group, accessed April 24, 2025, https://pointgroup.vn/nguoi-quan-ly-bim-va-nhom-ho-tro-bim/
6. Announcing the GPT-4.1 model series for Azure AI Foundry and …, accessed April 24, 2025, https://azure.microsoft.com/en-us/blog/announcing-the-gpt-4-1-model-series-for-azure-ai-foundry-developers/
7. OpenAI Launches GPT-4.1 with Upgrades in Coding, Context …, accessed April 24, 2025, https://campustechnology.com/articles/2025/04/23/openai-launches-gpt-4-1-with-upgrades-in-coding-context-processing-efficiency.aspx?admgarea=news
8. Long context | Gemini API | Google AI for Developers, accessed April 24, 2025, https://ai.google.dev/gemini-api/docs/long-context
9. GPT-4 – Wikipedia, accessed April 24, 2025, https://en.wikipedia.org/wiki/GPT-4
10. Anthropic brings ‘extended thinking’ to Claude, which can solves complex physics problems with 96.5% accuracy – R&D World, accessed April 24, 2025, https://www.rdworldonline.com/anthropic-brings-extended-thinking-to-claude-which-can-solves-complex-physics-problems-with-96-5-accuracy/
11. ‘Files and prompts exceed Gemini’s context window’ – Google Workspace Admin Community, accessed April 24, 2025, https://support.google.com/a/thread/337548014/gemini-advanced-files-and-prompts-exceed-gemini-s-context-window?hl=en
12. Self-Taught Agentic Long-Context Understanding – arXiv, accessed April 24, 2025, https://arxiv.org/html/2502.15920v1
13. GPT-4 – Prompt Engineering Guide, accessed April 24, 2025, https://www.promptingguide.ai/models/gpt-4
14. Agentic Reasoning: How Today’s Best AI Gets It Right – Lyzr AI, accessed April 24, 2025, https://www.lyzr.ai/blog/agentic-reasoning/
15. Agentic Workflows for Improving Large Language Model Reasoning in Robotic Object-Centered Planning – MDPI, accessed April 24, 2025, https://www.mdpi.com/2218-6581/14/3/24
16. GPT-4.1 Prompting Guide – OpenAI Cookbook, accessed April 24, 2025, https://cookbook.openai.com/examples/gpt4-1_prompting_guide
17. Code Compliance Automation to Empower Your Designs – Integrated BIM, accessed April 24, 2025, https://integratedbim.com/code-compliance-automation/
18. Automating Code Compliance with AI and BIM – AEC Business, accessed April 24, 2025, https://aec-business.com/automating-code-compliance-with-ai-and-bim/
19. AI-Powered Code Compliance: Revolutionizing Design and …, accessed April 24, 2025, https://novedge.com/blogs/design-news/ai-powered-code-compliance-revolutionizing-design-and-construction-efficiency
20. A GPT-based method of Automated Compliance Checking through prompt engineering, accessed April 24, 2025, https://www.ucl.ac.uk/bartlett/sites/bartlett/files/a_gpt-based_method_of_automated_compliance_checking_through_prompt_engineering.pdf
21. BIM Clash Detection Tools And Benefits For Better Projects – The AEC Associates, accessed April 24, 2025, https://theaecassociates.com/blog/bim-clash-detection-tools/
22. BIM and Clash Detection: Using BIM to identify and resolve conflicts early in the process, accessed April 24, 2025, https://www.teslaoutsourcingservices.com/blog/bim-and-clash-detection-using-bim-to-identify-and-resolve-conflicts-early-in-the-process/
23. How AI is Transforming BIM: Faster, Smarter, Stronger, accessed April 24, 2025, https://www.bimoutsourcing.co.uk/how-ai-is-transforming-bim-faster-smarter-stronger/
24. Artificial Intelligence Reimagining BIM in Construction – BIMCommunity, accessed April 24, 2025, https://www.bimcommunity.com/brand-article/artificial-intelligence-reimagining-bim-in-construction/
25. AI-Powered BIM for Clients Series – Data-driven Decision Analytics …, accessed April 24, 2025, https://www.pentagonsolutions.com/blog/ai-powered-bim-for-clients-series-data-driven-decision-analytics/
26. Takeoff Software with AI Technology | Save 90% Time | Beam AI, accessed April 24, 2025, https://www.ibeam.ai/
27. Togal.AI: The Ultimate AI Companion for Estimators, accessed April 24, 2025, https://www.togal.ai/
28. How AI and Automation Are Supercharging Construction Estimating, accessed April 24, 2025, https://www.autodesk.com/blogs/construction/ai-estimating/
29. AI and AEC Using Predictive Analytics to Eliminate Dreaded RFIs, accessed April 24, 2025, https://www.rdaep.com/blogs/ai-and-aec-using-predictive-analytics-to-eliminate-dreaded-rfis/
30. Navigating AI in the Engineering World — Implementing Artificial Intelligence – Cadalyst, accessed April 24, 2025, https://blog.cadalyst.com/cadmanagement/navigating-ai-in-the-engineering-world-implementing-artificial-intelligence
31. Part3 vs. TonicDM | Part3, accessed April 24, 2025, https://www.part3.io/blog/part3-vs-tonicdm
32. Submittal Exchange Software Development | Construction – Chetu, accessed April 24, 2025, https://www.chetu.com/aec/submittals.php
33. How to Craft Prompts for Different Large Language Models Tasks – phData, accessed April 24, 2025, https://www.phdata.io/blog/how-to-craft-prompts-for-different-large-language-models-tasks/
34. Prompt Engineering Guide: Techniques & Management Tips for LLMs – Portkey, accessed April 24, 2025, https://portkey.ai/blog/the-complete-guide-to-prompt-engineering
35. Chain-of-Thought (CoT) Prompting – Prompt Engineering Guide, accessed April 24, 2025, https://www.promptingguide.ai/techniques/cot
36. Chain of Thought Prompting Guide – PromptHub, accessed April 24, 2025, https://www.prompthub.us/blog/chain-of-thought-prompting-guide
37. Chain of Thought Prompting Explained (with examples) – Codecademy, accessed April 24, 2025, https://www.codecademy.com/article/chain-of-thought-cot-prompting
38. Giải pháp-AEC – ZWSoft, accessed April 24, 2025, https://www.zwsoft.com/vn/solution/aec
39. 26 prompting tricks to improve LLMs | SuperAnnotate, accessed April 24, 2025, https://www.superannotate.com/blog/llm-prompting-tricks
40. Best prompt engineering atom of thoughts examples attached latest and greatest *************** – Google AI Studio, accessed April 24, 2025, https://discuss.ai.google.dev/t/best-prompt-engineering-atom-of-thoughts-examples-attached-latest-and-greatest/70811
41. How AI and BIM Are Setting New Standards for Project Design and Delivery – Ep 062, accessed April 24, 2025, https://engineeringmanagementinstitute.org/aect-062-ai-and-bim-setting-standards-project-design-delivery-ep-062/
42. Mastering AI in AEC Course, accessed April 24, 2025, https://www.aiinaec.com/mastering-ai-in-aec
43. Minds and Machines: AI, Copilot, Data Security, and the Human Element in AEC, accessed April 24, 2025, https://covenant.global/blog/minds-and-machines-ai-copilot-data-security-and-the-human-element-in-aec/
44. AI in AEC: Data Privacy in the AI Era – KP Unpacked – Buzzsprout, accessed April 24, 2025, https://www.buzzsprout.com/2292477/16930999-ai-in-aec-data-privacy-in-the-ai-era
45. The Revolutionary Impact of AI in the AEC Industry – AlphaBOLD, accessed April 24, 2025, https://www.alphabold.com/the-revolutionary-impact-of-ai-in-the-aec-industry/
46. AI in data privacy protection: Strengthening security – Lumenalta, accessed April 24, 2025, https://lumenalta.com/insights/the-impact-of-ai-in-data-privacy-protection
47. The Claude 3 Model Family: Opus, Sonnet, Haiku – Anthropic, accessed April 24, 2025, https://www.anthropic.com/claude-3-model-card
48. How Much Does it Cost to Build an AI System? – ProjectPro, accessed April 24, 2025, https://www.projectpro.io/article/cost-of-ai/1087
49. AI App Development Cost in 2025: Key Factors & Pricing Guide – Emerline, accessed April 24, 2025, https://emerline.com/blog/ai-app-development-cost
50. AI Development Cost Estimation: Pricing Structure, Implementation ROI – Coherent Solutions, accessed April 24, 2025, https://www.coherentsolutions.com/insights/ai-development-cost-estimation-pricing-structure-roi
51. How Can AI Transform the Construction Industry in 2025?, accessed April 24, 2025, https://www.anchin.com/news-press/how-can-ai-transform-the-construction-industry-in-2025/
52. “An LLM Approach for Automating the Analysis of BIM (IFC) Data” by Miral Selim – AUC Knowledge Fountain – The American University in Cairo, accessed April 24, 2025, https://fount.aucegypt.edu/etds/2494
53. Beyond the Comfort Zone: Emerging Solutions to Overcome Challenges in Integrating LLMs into Software Products – arXiv, accessed April 24, 2025, https://arxiv.org/html/2410.12071v1
54. [2410.12071] Beyond the Comfort Zone: Emerging Solutions to Overcome Challenges in Integrating LLMs into Software Products – arXiv, accessed April 24, 2025, https://arxiv.org/abs/2410.12071
55. Applications of LLMs in Construction: Case Studies in China – ResearchGate, accessed April 24, 2025, https://www.researchgate.net/publication/389260708_Applications_of_LLMs_in_Construction_Case_Studies_in_China
56. AEC Industry Technology Trends | Full 2025 Research Report – Vectorworks, accessed April 24, 2025, https://www.vectorworks.net/en-US/newsroom/aec-trends-2025-report
57. 31 AI Tools for Architectural Design; 2025 Ultimate Guide – Neuroject, accessed April 24, 2025, https://neuroject.com/ai-tools-for-architectural-design/
58. Top 16 AI Tools for Architects in 2025 – Enscape Blog, accessed April 24, 2025, https://blog.enscape3d.com/ai-tools-for-architects
59. Top 2025 AI Construction Trends: According to the Experts – Digital Builder – Autodesk, accessed April 24, 2025, https://www.autodesk.com/blogs/construction/top-2025-ai-construction-trends-according-to-the-experts/
60. AI in the News – February 2025 – Construction Industry AI, accessed April 24, 2025, https://www.constructionindustryai.com/articles/ai-the-news-february-2025
61. GenAI: Spurring a new era of construction tech – SAP, accessed April 24, 2025, https://www.sap.com/germany/blogs/gen-ai-spurring-a-new-era-of-construction-tech
62. AI-Powered Construction Document Analysis by Leveraging Computer Vision and Large Language Models – AWS, accessed April 24, 2025, https://aws.amazon.com/blogs/spatial/ai-powered-construction-document-analysis-by-leveraging-computer-vision-and-large-language-models/
63. Highway Construction Safety Analysis Using Large Language Models – MDPI, accessed April 24, 2025, https://www.mdpi.com/2076-3417/14/4/1352
64. How Artificial Intelligence in AEC is Transforming Expertise, Ethics, and Innovation – Ep 074, accessed April 24, 2025, https://engineeringmanagementinstitute.org/aect-074-artificial-intelligence-in-aec-transforming-expertise-ethics-innovation/
65. AI Adoption in AEC: A Look Back at 2024 | Schnackel Engineers, accessed April 24, 2025, https://schnackel.com/blogs/ai-adoption-in-aec-a-look-back-at-2024
66. What do we want from AI? Defining responsibility in adoption – AEC Magazine, accessed April 24, 2025, https://aecmag.com/ai/what-do-we-want-from-ai-defining-responsibility-in-adoption/
67. Google Gemini Product Brief | UC Davis IET, accessed April 24, 2025, https://iet.ucdavis.edu/aggie-ai/commercial-ai-tools/gemini-product-brief
68. Revolutionizing Construction: How AI-Powered BIM is Transforming Architecture and Design in 2025? | BIMCommunity, accessed April 24, 2025, https://www.bimcommunity.com/community/revolutionizing-construction-how-ai-powered-bim-is-transforming-architecture-and-design-in-2025/
69. The Future of the AEC Industry: Predictions for 2025 – RDT Technology, accessed April 24, 2025, https://rdttech.co/the-future-of-the-aec-industry-predictions-for-2025/
70. The synergy of AI and BIM in construction industry transformation – checktobuild, accessed April 24, 2025, https://checktobuild.com/ai-and-bim/
71. 2025 Expert Predictions for the AEC Industry: How Technology, Emerging Trends, and Innovation Will Shape the Industry in 2025 and Beyond – Jama Software, accessed April 24, 2025, https://www.jamasoftware.com/blog/2025-expert-predictions-for-the-aec-industry-how-technology-emerging-trends-and-innovation-will-shape-the-industry-in-2025-and-beyond/
72. Key Trends Reshaping the AEC Industry in 2025, accessed April 24, 2025, https://www.allplan.com/blog/key-trends-reshaping-the-aec-industry-in-2025/
73. 2025 Predictions: The Future of AI, Construction, and Manufacturing – Autodesk Research, accessed April 24, 2025, https://www.research.autodesk.com/blog/2025-predictions-the-future-of-ai-construction-and-manufacturing/