维度网讯，WSP人工智能（AI）介绍了该机构如何利用数字机器学习工具，重塑英国基础设施的维护方式。核心在于AI不应取代工程师，而是用于完成人力无法处理的大规模繁琐工作。

WSP英国与爱尔兰首席数据科学家兼AI主管Dan Scott与数字咨询主管James Montrose描述了这家咨询公司如何利用AI将数十年的纸质文档数字化，并加快日常任务完成速度。WSP的AI策略涵盖双重方向：一方面培养自身员工的AI能力，另一方面与客户合作优化工作流程。这包括与微软的合作，以及通过专门AI加速器原型化工具并推动成功试点项目投入实际应用。

Scott表示，WSP于约18个月至两年前向英国员工推出Microsoft Copilot产品，持续评估其采用率与效益。通过咨询计费中使用的时间编码，该公司追踪行政工作、会议记录等非项目活动所花费时间，发现每月使用Copilot超过一次的员工平均每周节省约165分钟。目前WSP正在试点更严格控制的系统，在提供类似功能的同时管理AI带来的潜在数据风险。公司内部使用AI的功能包括自动化会议记录、行政任务及简单文档搜索。Scott表示，这类低认知、持续时间长的任务正是当前技术的“最佳点”，因为完成它们所需的时间会累计起来，令工程师感到沮丧。

在铁路领域，WSP与Network Rail合作，为老化资产的预测性维护和长期投资规划构建AI基础。双方当前使用AI工具筛选存储在SharePoint或异地仓库中的大量扫描报告、图像和手写笔记等资产相关数据。Scott在讨论该工作时提出：“是否有可能使用AI来预测我需要修复哪些部件以及何时修复？”他表示实际情况是需先使用AI来修复基础数据，使数据进入结构化状态，才能开始进行这类对话。WSP开发的技术可将扫描件转换为可访问数据，并关联历史记录、实时运营数据和资产管理系统。在缺陷管理方面，Scott描述了当前流程的复杂性：有人识别出缺陷、量化缺陷、提出修复建议，然后工单创建并交付，最终完成工作，但这一线索很难追踪，因为长期以来仅通过现场工程师撰写的书面报告进行管理。此外，WSP还将资产故障记录与英国气象局气候数据结合，构建预测模型以确定资产在极端天气下故障的时间和地点。Montrose解释，该模型用于支持运营支出和资本支出规划，并举例了最近伦敦因高温造成的中断案例。

在水务领域，WSP为Northumbrian Water开发了名为Wisdom的AI助手项目。该AI代理通过整合公司资源中的不同信息来回答运营问题，例如识别泵的现场位置、显示其当前输出和历史性能，并检索维护记录和设计规范。Scott提到，Northumbrian Water面临未来五到十年内巨额资金投入需求，同时员工老龄化严重，大量运营知识掌握在即将退休人员手中。Wisdom系统可被视为与资产对话的ChatGPT。除清理和查询历史记录外，Scott还描述了通过AI运行数百万种支出和压力因素组合，探索人类无法单独理解的复杂问题空间，为水务行业找到应对问题的战略与解决方案。

Montrose强调，使用AI的核心在于提升每个人的价值链，促进更好的对话和理解影响，而非单纯比他人更具说服力。Scott重申工程公司原则：永远不要用AI去做自己做不到的事情。这一原则指导WSP允许工程师使用AI工具的具体方式，包括推动员工编程培训，确保工程师能够理解和验证AI编码的应用。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com