الذكاء الاصطناعي ونمذجة معلومات البناء (BIM) في تخطيط الإنشاءات: ماذا تقول 47 دراسة؟

رؤية مهنية تستند إلى الأدلة · تخطيط الإنشاءات · نُشر في 23 أكتوبر 2026

يتزايد الاهتمام بتكامل الذكاء الاصطناعي مع نمذجة معلومات البناء (BIM) لدعم تخطيط المشاريع الإنشائية وتحسين جودة القرارات المرتبطة بالوقت والتكلفة. وتساعد مراجعة علمية منهجية نُشرت عام 2026 على التمييز بين التطبيقات الواعدة والنتائج التي ما زالت بحاجة إلى تحقق عملي على مستوى المشاريع.

ماذا تناولت المراجعة العلمية؟

أعدّ الباحثون سيرينا فيتاليانو وستيفانو كاسكوني وكلوديا أرتشيدياكونو مراجعة منهجية نُشرت في دورية Sustainability بتاريخ 19 أغسطس 2026. وحلّلت المراجعة 47 بحثًا منشورًا في مجلات علمية، وفق نهج مسترشد بإرشادات PRISMA، وركزت على تكامل الذكاء الاصطناعي ونمذجة معلومات البناء في تخطيط الجداول الزمنية وتقدير التكاليف والتحسين متعدد الأهداف.

أين تكمن الفرص الواعدة؟

تُظهر الأدبيات التي تناولتها المراجعة إمكانات واعدة لتوظيف الذكاء الاصطناعي في إعداد الجداول الزمنية، وتقدير التكاليف، وتخصيص الموارد.

وكانت الشبكات العصبية الاصطناعية والخوارزميات الجينية من الأساليب الأكثر ورودًا في الدراسات المستعرضة.

وفي هذا السياق، تتيح نماذج BIM معلومات منظمة عن المشروع يمكن الاستفادة منها في التحليل والتخطيط، مع استمرار تحديات قابلية التشغيل البيني وتبادل البيانات بين التطبيقات والأنظمة المختلفة.

ما الذي لم تثبته الأدلة بصورة كافية؟

أشارت المراجعة إلى أن بعض المنافع المتوقعة، مثل الحد من هدر المواد، وتقليل إعادة تنفيذ الأعمال، وخفض فترات خمول المعدات ومخاطر السلامة، وردت غالبًا بوصفها آثارًا محتملة أو مستنتجة، لا نتائج قِيست مباشرة بصورة كافية.

كما كشفت مراجعة جودة الدراسات عن قيود مهمة:

• صُنفت كفاية مجموعات البيانات بدرجة متوسطة في 32 دراسة، وبدرجة منخفضة في 15 دراسة.
• حصل معيار توافر بيانات أو معايير مرجعية للمقارنة على تقييم مرتفع في ثماني دراسات فقط.

وتؤكد هذه المؤشرات أهمية عدم تعميم النتائج على مختلف المشاريع وبيئات BIM دون تحقق تجريبي مستقل، مع إعطاء الأولوية لجودة البيانات وقابلية التشغيل البيني والتحقق في بيئات المشاريع الفعلية.

ماذا تعني هذه النتائج لإدارة المشاريع؟

لا تبدأ الاستفادة المسؤولة من الذكاء الاصطناعي بمنحه سلطة اتخاذ القرارات الحرجة، بل بتحديد حالة استخدام واضحة، والتحقق من جودة البيانات والنموذج، ووضع خط أساس يمكن قياس النتائج مقارنةً به.

ويُفضّل أن يبدأ التطبيق باختبار تجريبي محدود يتضمن مراجعة المخرجات مقابل سجلات المشروع الموثوقة، مع استمرار المراجعة البشرية للقرارات المرتبطة بالوقت والتكلفة والمخاطر.

كما ينبغي توثيق مصادر البيانات، والافتراضات، وصلاحيات الوصول، ومعايير القبول القابلة للقياس، حتى يمكن تقييم جدوى التطبيق قبل توسيع نطاقه.

المرجع العلمي

Vitaliano, S., Cascone, S., & Arcidiacono, C. (2026). AI and BIM Integration for Enhanced Construction Management Performance: A Systematic Review. Sustainability, 18(16), 8529. DOI: 10.3390/su18168529.

للاطلاع على موضوعات أخرى مرتبطة بإدارة المشاريع والإنشاءات، يُرجى زيارة الرؤى المهنية.

ملاحظة تحريرية: يقدم هذا المقال قراءة تحليلية لبحث علمي منشور، ولا يعني أن ثروت شرف الدين أجرى الدراسة أو أن نتائجها مستمدة من مشاريع MAICC أو MPI. كما لا يُعدّ هذا المحتوى بديلًا عن التقييم والتحقق الفني الملائمين لظروف كل مشروع.