从个人AI助手到机器人巡检—监理AI的六阶段演化

这是大多数监理人员最先接触的阶段。

打开一个AI聊天工具，输入一段现场情况，让它整理成监理日志；上传一张照片，让它提示可能存在的问题；把方案的一部分交给它，让它列出审查要点；遇到不熟悉的条文，先让它帮助查找方向。

它提高的是个人效率，没有改变项目部的组织方式。每个人仍然各做各的，只是身边多了一个写得很快、查得很快的助手。

这一阶段最重要的能力是提示词。

提示词不是向AI“随便问一句”，而是像给一名新来的技术员布置任务：你是谁、它是谁；要依据什么材料；具体完成什么任务；结果按什么格式输出；哪些内容不能猜；哪些地方必须标记待核实。

同样一个模型，有人只能得到一段正确但没有用的套话，有人却能得到接近监理文件的草稿，差别常常不在模型，而在任务有没有交代清楚。

但个人助手有一个天然缺陷：它不了解你的项目。它不知道本工程当前施工到哪一步，不知道哪一版图纸有效，也不知道项目部已经确认了哪些风险标准。你每次都得重新告诉它背景，它也很难持续追踪一件问题从发现到闭合的全过程。

所以，个人助手只能是起点。

当越来越多人使用个人助手，新的问题很快就会出现。

同一类监理日志，十个人写出十种提示词；同一份方案，不同的人给AI的审查尺度不同；有人会要求AI标注资料缺失，有人却默认让AI把空白补齐。结果虽然都叫“用了AI”，质量却不稳定，也无法形成企业能力。

第二阶段，是把这些个人用法固化成专业平台。

监理日志、旁站记录、巡视记录、通知单、月报、方案审查、规范查询，不再靠每个人临时复制粘贴，而是形成固定入口、固定字段、固定提示词和固定复核环节。现场人员只需提交照片、语音和必要数据，平台就能自动整理、调用模型、生成草稿，再进入人工确认。

平台还要接入知识库。施工方案、图纸、设计变更、合同要求、现行规范、企业标准和历史案例，不能一股脑塞给AI，而要经过解析、分类、分块、标注版本和建立索引。AI回答时，应先找到与当前问题相关的材料，再根据这些材料分析，并尽量给出出处。

走到这一步，模型本身反而不是最难的。

同样的大模型，接上粗糙知识库，可能只是更快地胡说；接上经过精细加工、能够定位原文的知识库，才有可能成为专业工具。

企业真正需要积累的，也不是“我们接了哪个大模型”，而是自己掌握的规范加工方法、项目资料结构、风险清单、审查尺度和历史处置经验。

专业平台解决的是共性问题，但监理工作真正难的部分，恰恰在项目差异。

同样是基坑，不同的深度、地质、水文和周边环境，风险不一样；同样是模板支撑，不同结构、荷载和施工阶段，检查重点不一样；同一条规范，在不同项目中的优先级也不一样。

因此，未来不会只有一个通用产品包打天下。

更可能出现的情况是：每个项目都有自己的智能体。它知道本项目的结构形式、施工阶段、适用规范、有效图纸、专项方案、风险标准和企业管理要求；收到一项任务后，能够自己拆分步骤，读取相应资料，调用规范检索、图纸问答、表单生成和台账工具，再把结果送到人面前确认。

例如，收到一份新的高支模专项方案，它不只是回答“请注意安全措施”，而是先确认文件版本和适用范围，再提取方案中的关键参数，调取本项目已经确认的风险要求和相关规范，逐项比对，列出缺失资料、疑点、依据和建议，最后生成一份待总监复核的审查意见。

这里开始出现第一阶段的AI监理工程师。

他不一定从头开发软件。基于已经成型的AI监理平台，他会写提示词、加工知识、维护项目知识库、配置工作流程，让通用平台尽量贴近本项目。

但要再往前走，仅仅会写提示词就不够了。每个项目都有平台没有预设的要求：特殊表单、特殊审批路径、内部系统接口、独有的风险算法。要让智能体真正贴着项目工作，就需要二次开发，甚至从头开发某个工具。这时，AI监理工程师必须掌握AI Coding。

未来有价值的，不是“会用某个AI产品的人”，而是既懂监理，又能把自己的专业方法做成AI工作流程的人。

第三阶段改变了软件，第四阶段开始改变人和岗位。

在相当长的过渡期内，现有项目监理机构仍然会存在。现场离不开人，项目也仍然需要一名具备资格、了解现场并能承担责任的总监。

但是，项目部内部的分工会变化。

大多数监理人员会把更多时间放在现场。他们要知道哪里可能有问题，知道应当看什么、问什么、拍什么、量什么；遇到明显异常和紧急危险，能够立即报告、制止或者启动既定的应急路径。他们未必有能力独立解决所有专业问题，但必须具备发现问题和采集有效证据的能力。

照片不再只是“拍过了”的证明。它要带着时间、部位、构件、工序和现场说明进入系统。语音记录也不再是散落在手机里的几句话，而是在产生的当时就被转换成结构化事实。

AI收到这些信息后，可以实时完成后续工作：识别照片中的疑点，核对方案和图纸，检索规范，调取历史问题，判断还缺什么证据，生成风险分析和监理文件草稿，并把高风险事项送到总监面前。

这个阶段，项目上会出现一个新的中枢角色：既深度懂AI，又深度懂监理的总监，或者由他承担的AI监理工程师岗位。

他不需要亲自完成每一次复制、排版和台账录入。AI已经把依据、事实、疑点、缺项和建议整理到一起。他要做的是判断：现场事实是否可靠，引用依据是否适用，风险是否被高估或低估，建议能不能执行，哪些事项必须补证，什么时候应该喊停。

最后由他拍板。

项目部里过去用于资料整理、专业研判和最终排版的人，可能压缩到一个。其他人员并不是简单沦为“拍照的人”，而是成为AI在现场的眼睛和耳朵。他们的专业能力重点，会从“回来把材料写漂亮”，转向“在现场发现真正值得记录的东西”。

这正是我所说的90%。

它可以起草通知单，但不能自行签发；可以给出验收意见，但不能代替具备资格的人签认；可以建议暂停某项工序，但正式监理指令仍需由人作出。

这里必须防止另一种危险：如果人只是看一眼AI结论就点“同意”，他就不再是拍板者，而只是橡皮图章。真正的人机协作，不是AI做完一切、人替它签字，而是AI把人从资料搬运中解放出来，让人有时间在关键关口作出实质判断。

第四阶段仍然以单个项目为中心。再往前走一步，监理企业的组织方式会发生更大的变化。

今天，一家监理企业承接多个项目，通常要在每个项目上分别配置专业人员。不同项目部的能力，很大程度上取决于现场恰好分到了什么人。一个经验丰富的总监，只能在有限的几个项目中发挥作用；一个项目遇到复杂专业问题，往往需要临时打电话找公司专家。

当各项目的现场事实能够实时、结构化地进入系统，专业判断就不一定全部留在现场。

监理企业可以在总部建立远程中枢。不同项目的照片、语音、方案、图纸、问题台账和风险事件先由各自的AI智能体处理；一般问题按项目规则继续流转；跨专业、高风险、资料冲突和AI没有把握的事项，再被路由给总部相应专家。

一名结构专家不必长期驻在某个项目，可能同时支持多个项目；一名真正成熟的AI监理工程师，也不再只维护一个项目的知识库，而是负责把企业专家的判断方法加工成可以复用、可以追溯、可以持续修正的知识和工作流程。

现场仍然产生事实，项目总监仍然承担项目责任，但更深层的专业判断开始集中生产。

这可能改变监理企业长期以来“一个项目复制一套人员”的组织逻辑。企业的核心能力不再只是拥有多少名专家，而是能否把专家经验加工成AI能够调用的资产，再通过远程中枢稳定地送到每个项目。

当然，这不会一步完成。

企业必须先解决项目资料边界、权限划分、数据安全、版本管理、专家响应和责任链条。某个总部专家提出建议以后，谁确认现场事实？谁决定是否执行？项目总监能否否决？系统发生错误怎样追溯？这些问题没有解决，所谓远程中枢就只是一个更大的聊天群。

因此，从项目中枢走到企业中枢，真正的门槛未必是AI够不够聪明，而是企业有没有能力把管理制度、专业流程和责任边界一起数字化。

前五个阶段，无论AI多么强，都有一个共同前提：现场事实主要由人带回来。

人走到施工面，观察、拍照、测量、口述，再把这些信息交给AI。AI可能承担了绝大多数分析和文书工作，但它的眼睛和耳朵仍然借自现场人员。

第六阶段才会改变这一点。

四足机器人可以在固定路线行走，搭载普通摄像头、热成像、声学、气体和其他传感器，按计划采集数据；两足机器人如果逐步具备更稳定的行走、避障和操作能力，则有可能进入更接近人工作业方式的环境。AI负责理解任务、识别目标、发现变化，机器人负责移动和采集，远程中枢负责分析与决策。

但是，基于人的现场采集和基于机器人的现场采集，面对的是完全不同的门槛。

对人来说，难点是专业判断：他是否知道哪里不对，是否知道要换一个角度拍照、补一组数据、追问一句话。

对机器人来说，除了这些，还要解决物理世界的问题：能不能安全通过临边、楼梯、泥水和不断变化的施工通道；能不能在遮挡、粉尘、逆光和噪声中稳定采集；续航是否足够；定位是否可靠；发生故障会不会给现场带来新的风险。

因此，机器人巡检已经不是纯粹的软件升级，而是具身智能、机器人硬件、现场环境和安全制度共同成熟的问题。

四足机器人在工厂、能源设施等相对稳定的工业场景中，已经能够执行重复性和危险性巡检。施工现场也已有探索，但距离普遍替代现场监理人员，还有明显距离。至于能够像人一样处理大量开放任务的两足机器人，目前更适合作为方向判断，而不是近期用工计划。

所以我把机器人单列为第六阶段。未来两到五年最先发生的，并不是机器人把监理人员全部带走，而是现场人员先成为AI的眼睛和耳朵；等AI真正获得可靠的身体，第二次替代才会开始。