AI strategi for tegnestuer
En AI-strategi for tegnestuer bør starte i opgaverne: hvor bruger I tid på gentagen research, dokumentation, vurdering og videnssøgning? Derefter kan man vælge få agenter, datakilder og governance-regler, som passer til tegnestuens størrelse og risikoprofil.
En AI-strategi for tegnestuer bør starte i opgaverne: hvor bruger I tid på gentagen research, dokumentation, vurdering og videnssøgning? Derefter kan man vælge få agenter, datakilder og governance-regler, som passer til tegnestuens størrelse og risikoprofil.
AI kan forberede, sammenstille og markere usikkerhed. Arkitekten validerer konsekvensen.
Her betyder arkitektur ikke softwarearkitektur. Vi taler om arkitektur som bygget miljø: tegnestuer, renovering, lokalplaner, BR18, materialer, bygningsdata og arkitektfaglige beslutninger.
Hvad skal et brugbart output indeholde?
Siden er ikke et løfte om automatisering. Den beskriver et konkret kvalitetsniveau for det forarbejde, agenten skal levere, før en arkitekt kan bruge det.
Kildefast udtræk
Et brugbart output for AI strategi for tegnestuer skal vise, hvilke oplysninger der kommer fra intern projektviden, kvalitetssystem, offentlige registre, AI-politik, og hvilke punkter der bygger på projektets egne antagelser.
Faglig sortering
Agenten skal ikke bare gengive tekst. Den skal hjælpe tegnestuen med at sortere, hvad der er relevant for sagen, hvad der kan vente, og hvad der kræver menneskelig vurdering.
Valideringsspor
Outputtet skal pege på, hvem der skal kontrollere næste skridt. I dette workflow betyder det især, at ledelsen beslutter ambitionsniveau og risikoprofil.
Beslutningslog
Alle vigtige fund bør kunne føres tilbage til kilde, status og næste handling. Minimumskravet er, at teamet kan se, hvorfor en anbefaling blev taget med eller afvist.
Sådan tester man uden at gøre AI til facit.
Det første mål er at lade agenten kortlægge use cases efter værdi, risiko og datatilgængelighed, mens tegnestuen kontrollerer, om outputtet faktisk forbedrer arbejdsgangen.
- 01
Start med en rigtig sag, hvor tegnestuen allerede kender facit nok til at vurdere kvaliteten.
- 02
Sammenlign agentens første output med jeres manuelle arbejdsgang, og noter hvor den sparer tid, hvor den overser noget, og hvor den bliver for sikker.
- 03
Hold pilotens scope smalt: strategien skal have færre initiativer end ideer.
- 04
Afslut testen med en beslutning om, hvor workflowet skal indgå i praksis, og hvilke dele der stadig skal ejes af arkitekt, rådgiver eller ledelse.
Hvor opstår behovet i tegnestuen?
Strategibehovet opstår, når medarbejdere bruger AI forskelligt, værktøjer vælges ad hoc, og ledelsen mangler et fælles sprog for kvalitet, data og ansvar.
Hvad kan agenten forberede?
- check_circle Kortlægge use cases efter værdi, risiko og datatilgængelighed.
- check_circle Vælge build, buy eller hybrid for de første workflows.
- check_circle Definere roller for partner, fagansvarlig, projektleder og teknisk ejer.
- check_circle Lave et 30/60/90-dages roadmap med pilot, test og beslutning.
Hvad skal arkitekten validere?
- verified Ledelsen beslutter ambitionsniveau og risikoprofil.
- verified Fagansvarlige definerer acceptkriterier for output.
- verified Juridisk og datasikkerhedsmæssig vurdering kobles på ved kundedata og fortrolige dokumenter.
Datakilder og usikkerhed
Kildegrundlaget skal være synligt, så tegnestuen kan se forskel på data, fortolkning og beslutning.
Data der kan indgå
- intern projektviden
- kvalitetssystem
- offentlige registre
- AI-politik
- tegnestuens videnslag
Arbejdsmåde
- Strategien skal have færre initiativer end ideer.
- Hver pilot skal have ejer, kildegrundlag og stopkriterier.
- Agentporteføljen skal kunne udvides efter læring, ikke efter hype.
Usikkerhed og ansvar
Det er svært at beregne gevinsten uden pilotdata. Derfor bør strategien måle både tidsforbrug, kvalitet, genbrug og usikkerhed.
Synligt kildegrundlag
Vi citerer ikke kilder som pynt. De er en del af agentens kvalitetsarbejde.
Danske Arkitektvirksomheder: Brugen af AI vinder frem i arkitektvirksomhederne
Ekstern kilde åbner i nyt vindue.
open_in_newDanske Arkitektvirksomheder: Anbefalinger til AI-praksis
Ekstern kilde åbner i nyt vindue.
open_in_newMolio / ConTech Lab: AI i byggeriet
Ekstern kilde åbner i nyt vindue.
open_in_newEuropa-Kommissionen: AI Act
Ekstern kilde åbner i nyt vindue.
Start med én konkret sag.
En første roadmap-session kan ende med én valgt pilot, et dataoverblik, en governance-minimumsmodel og en dato for evaluering.
Ofte stillede spørgsmål
Hvor detaljeret skal en AI-strategi være?
add
Den skal være detaljeret nok til at vælge konkrete piloter og ansvar, men let nok til at kunne ændres efter de første erfaringer.
Skal tegnestuen bygge egne agenter?
add
Ikke altid. Nogle opgaver kan løses med eksisterende værktøjer. Egne agenter giver mest mening, når kilder, metode og output skal passe præcist til tegnestuens praksis.
Agentafklaring for tegnestuer
Agentafklaring for tegnestuer kortlægger friktion, data, ansvar og første realistiske pilot før der bygges AI-løsninger.
PositionTegnestuens digitale bagland
Tegnestuens digitale bagland samler offentlige data, intern erfaring og konkrete agent-workflows omkring arkitektens ansvar.
GovernanceAI-politik for tegnestuer
En AI-politik for tegnestuer definerer data, værktøjer, kundemateriale, menneskelig kontrol, dokumentation og ansvar i praksis.
Intern videnTegnestuens vidensfundament
Tegnestuens vidensfundament gør projekter, cases, CV'er, tilbudstekster og erfaringer søgbare med klare adgangsgrænser.
Relateret viden