建筑设计行业由千行业特殊性较强,不仅无法照搬其他行业的管理模式,同行业的不同企业的管理模式也存在较大差异,各自的转型经验可借鉴部分较少。行业内也鲜有成熟完整的系统平台涵盖设计行业生产经营过程中全流程业务,信息化建设和数字化转型过程中存在较多的定制化开发工作,对转型的经济成本和时间成本有较大的要求。
基于行业现状,中衡设计集团将数字化转型结合行业特性,企业优势,在现有业务模式及信息化水平的基础上,秉持追求高效,稳定,卓越,安全的宗旨构建集团数字化规划,制定了以生产运营优化,产品服务创新和业态转变为核心目标的数字化整体战略。启动建设多端协同设计项目智能化管理平台(以下简称“平台”)。
以RPA技术为核心,大幅提升工作效率
平台以RPA(机器人流程自动化)技术为核心。将集团现有的OA流程审批系统,项目人员信息数据库,域控制器,Windows文件服务器,出图签章软件等软件相关的操作进行梳理整合后进行了流程再造,基于RPA技术将工作信息与业务交互通过机器人来按照自先设计的流程去执行。平台上线之后,原先重复录入,线下手工操作的工作均被取消或者转移至平台模块,使用者仅需在平台功能模块中录入关键信息,RPA机器人即可根据关键信息完成各项跨系统工作,大幅提升了工作效率,从机制上避免错误的发生。
专业服务建筑设计行业,让工作规范可控
平台的核心功能与建筑设计行业的实际业务紧密关联,为企业近千名设计师的设计工作和相关管理工作提供技术支持是各项相关规章制度的数字化呈现。平台将设计项目过程中包括项目人员信息备案,人员资质审核,设计任务分配,数据资料权限分配,出图资质确认在内的重点工作进行了业务重铸,流程再造。在不改变大多数人工作习惯的基础上将原先部分线下工作及产生纸质的数据一并迁移至平台上,并将人为制造的数据作为后续工作环境的约束条件的一部分。提高了工作效率的同时,使得相关工作规范,且可控可追溯。
平台利用RPA技术,集成了审批系统,域控制器及出图平台,解决了建筑设计项目从立项到出图交付,各个环节操作跨组织,跨平台,权限失控的问题。平台上线后,只需在线上立项审批过程中,对项目基本信息和主要负责人名单进行确认,其余工作即可交给RPA机器人完成。
替代了原先纸质审批之后在多个系统之间录入,多名管理人员和IT人员参与的线下手工操作等一系列工作。同时。同时,RPA机器人可根据后台数据自动建立网盘,按需构建文件目录。根据审批流程中的人员数据分配设计文档访问权限和出图权限。实现了读写权限的量准把控,一定范围内规避了图纸丢失,意外篡改,图纸签字与合同不一致,签章人非法签章的问题。
基于平台,中衡集团将业务流程,数据打通,全流程自动化,提高人员效率50%,出图过程得到100%管控,极大降低图纸意外泄露风险。同时,建网盘,分配权限工作交由机器人完成,释放20%以上IT人员工作。自2020年正式上线至今,已稳定运行了3年。已成功为近2000个项目建立线上数据目录,分配访问出图权限约4万人次。
建筑师负责制是国际通行的一种工程建设组织管理模式。2015年至今,伴随着一系列政策的发布,改革工程建设组织模式、充分发挥建筑师的主导作用、推进建筑师负责制的要求日渐明晰。严格把关项目各专业人员权限,审核重要工作角色的资质,确保项目参与人员与合同履约一致不仅是企业服务水平,企业诚信的标志,更是对建筑师负责制相关政策的实质性响应。中衡设计集团率先响应政策,多端协同设计项目智能化管理,在行业中起到鲜明表率作用。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。