一份调查最值得看的地方，往往不是最高的那个数，而是最低的那个。
三年之后，采用曲线平了
这是 Bluebeam 第三年做这份报告。2025 年有 27% 的企业在生产环境跑 AI，今年 28%，一年只挪了一个百分点。真正变大的是中间层：32% 在有限场景试点，31% 在探索但还没开始，10% 明确不用也不打算用。超过一半的行业已经开始了，但没走完。
口径要先说明，否则这几个数会被读错。报告里的「在用」是两层相加：AI 嵌进多个核心流程的 7%，加上 AI 支撑少数特定流程的 21%。我们在 9 月和 10 月分别写过另外两份采用率调查，一份说 52% 的美国建筑企业在用 AI，一份说七成企业在两年里投了 25 万美元以上。数字差得远，原因不在行业变了，在「在用」的定义：发过一个提示词、买过一个订阅、跑在一个项目上，都算用；能写进合同、进了投标和结算流程的，才算生产。
收益清单上全是「早点知道」
12 项收益从高到低：成本可预测性 64%、更早发现风险与问题 58%、行政负担下降 55%、团队协同知识增强 53%、工期延误减少 47%、产出质量与一致性提升 43%、内部流程更快 38%、信息更易获取 27%、合规与审计准备度 27%、安全结果改善 25%、返工减少 17%、员工认知负荷下降 14%。
前四项可以翻译成同一句话：知道得更早。成本可预测，是因为估算和采购的偏差早暴露；风险早发现，是因为成堆的文档终于能被机器通读；行政负担下降，是重复填表和归档被接走。这份清单里没有一条是「做得更好」，全是「更早看到」。
为什么返工拦不住：AI 坐的位置不对
返工是建筑业最贵的重复性失败。报告引用 CII 与 Hwang 等人的研究：直接成本约占施工总成本 5%，把间接费用和工期影响算进去接近 9%。这么大的池子，AI 只认领了 17%。
报告给的解释是这份材料里最有价值的一段：返工源于几个月前的决策，显形在工地；而能看到苗头的系统，和能拍板叫停的人，往往不在同一个地方。AI 用得最集中的四个环节是成本估算 69%、设计与建模 69%、项目计划 63%、文档管理 60%——全在动土之前，或者在办公室。越靠近工地，AI 越稀。
这就解释了 64% 和 17% 为什么能同时成立。AI 让办公室看得更清楚，但没有把「看见」接成「叫停」。国内项目里同样的情形很常见：模型里早就报了管线冲突，但处理冲突要等排产会议，会议一周一次，班组已经在那个位置开了槽。
三句话读这份报告
- 行业买到的能力是「更早看见」，还没买到「更早停止」。
- 钱和人都不是区分线——两组企业抱怨的前两项理由完全相同。
- 跨过试点的企业靠的是接口，不是更好的模型：47% 选了「与现有系统和工具的集成」。
卡住的不是钱，也不是 ROI
| 扩大 AI 的主要障碍 | 仍在试点（n=238） | 已跨过试点（n=210） |
|---|---|---|
| 实施成本高 | 50% | 50% |
| 缺内部 AI 技能 | 34% | 34% |
| 变革阻力 | 27% | 17% |
| 不知道该做哪个用例 | 10% | 18% |
| 走不出试点 | 16% | 10% |
| 安全与合规 | 15% | 22% |
| 商业价值不清 | 11% | 2% |
| 数据质量 | 9% | 4% |
| 不信任 AI 输出 | 3% | 0% |
两组人头两项理由一模一样：实施成本 50%、缺内部 AI 技能 34%。钱和人都不是区分线。
真正的差别在更前面。还在试点的企业，37% 卡在「不知道该做什么」，15% 卡在「数据能不能支撑」；已经跨过试点的企业，这两个数只有 20% 和 6%。而跨过去的人被问「什么起了作用」，第一名是与现有系统和工具的集成 47%，第二名跨团队协作 29%，第三名结果透明 27%；「清晰的 ROI」只有 12%，「高层支持」11%，「供应商支持」10%。
这个排序有点反直觉：钱是没跨过去的人最常抱怨的，却不是跨过去的人最常感谢的。报告自己的说法是，跨过去的企业买的是一模一样的模型、同一年、差不多的价钱，区别在于他们有个地方可以插进去。这句话对国内施工企业同样成立——决定 AI 能不能进流程的，往往是项目管理系统肯不肯开一个接口。
缝在人交接的地方
报告让企业指出流程断点。排前面的不是系统之间，而是人之间：设计到施工的交接 41%、办公室与现场之间 41%、文档管理 38%，然后是施工到运维 32%、内部与外部合作方 32%、审查审批签字 30%。工具与工具之间只有 24%，专业与专业之间 20%。
对应的一个数字很能说明行业心态：用 AI 的企业里，41% 用它连接和协调现有工具里的数据，37% 用它自动化单个工具内的任务，只有 23% 想用 AI 把多个工具替换成一个平台。行业喊了二十年「一个平台、一个真相来源」，钱实际花在了反方向。
对人是好消息，也是坏消息
招聘端最想要的技能是数字工具熟练度，93%；第二是项目管理 82%，AI 相关知识 69%。而这三项恰好也是「最难招到」榜单的前列：数字工具 77%、项目管理 73%、AI 知识 59%。最想要的，正好是最缺的。
劳动力短缺接近普遍，只有 16% 说没有。最常见的后果是把活压给现有人 74%，其次是工期推迟 49%、成本上升 39%、少接项目 36%，还有 20% 说质量下降、返工增加。换句话说，想用自动化解决人手问题，先得有人会用这套自动化——缺口卡在这一层，这也是为什么「缺内部 AI 技能」在两组企业里都是 34%。
行业意义：把 AI 接进流程，比换模型更值钱
把这份报告和最近两周的厂商动作放在一起看，画面比较清楚。供给侧，软件公司已经把 AI 铺到从估算到交付的每一环：Nemetschek 把 Archicad、Allplan、Bluebeam 三条线挂上同一个底座，Procore 把智能体放进投标与提交件（submittal）审核，各地审图平台把规则库接进模型。需求侧，真正跑进生产流程的不到三成，卡点是集成和数据。
对 BIM 从业者，这份调查指向三件具体的事。
给 BIM 工程师的三条
- 能被 AI 用起来的模型，前提是分类编码、参数命名、视图规则一致。这就是「数据质量」在 BIM 里的具体形态，也是那 47% 的集成数字落到个人头上的样子——别人接不进来，往往因为模型里没有可对接的东西。
- 把「更早发现」变成「更早拦下」，需要流程上的接口：谁看告警、几小时内响应、能不能叫停工序。这三条不立，买来的只是一块更贵的看板。
- 数字工具熟练度已经是招聘的第一门槛（93% 想要、77% 招不到）。对个人来说，这是少见的方向明确的能力投资——不需要赌哪家软件赢，只需要能在模型、图纸、平台之间把数据搬对。
这份报告要打折扣的地方
- 立场：调查由 Bluebeam 委托 Hanover Research 执行，Bluebeam 自己卖 AI 产品，问题设计和措辞有厂商视角。
- 自报：40% 省下 50 万美元以上属企业自估，没有审计口径，报告自己也注明「不能与往年同比」。
- 幸存者偏差：回答「什么起了作用」的 210 家是事后叙述，报告直说这是全篇最弱的证据。
- 返工成本 5%／9% 引用的是 2005 与 2009 年以美国工业项目为主的研究，报告也提示这类数字普遍被低估。
资料来源：Bluebeam《AEC Technology Outlook Report 2027》（2026 年 11 月 2 日，Hanover Research 执行，1100 名 AEC 决策者，美国样本 750 人）；Construction Briefing《AI adoption remains sluggish among US construction companies》（2026 年 11 月 2 日）；Construction Industry Institute《Making Zero Rework a Reality》（RS203-1，2005）；Hwang, Thomas, Haas & Caldas《Measuring the Impact of Rework on Construction Cost Performance》（2009）。图中数据取自报告原文，中文为本站翻译；条形图为本站依原文数据绘制。