Webinar 24.02 SkySnap: Efekt Drona na budowie: AI w SkySnap: od badań do wdrożenia

Kluczowe wnioski w 60 sekund

AI na budowie działa dziś najlepiej jako narzędzie dla inżyniera, a nie cel sam w sobie. Specjalistyczne modele wykrywają na zdjęciach i chmurach punktów z drona hałdy, podkłady kolejowe czy elementy konstrukcji, a wyniki porównuje się z modelem BIM albo przenosi do raportów, np. w Portalu SkySnap. Liczą się jakość danych, wspólny układ współrzędnych i progi dokładności.

  • Najpierw ustal, czego szukasz, dopiero potem wdrażaj AI. Każdy projekt w SkySnap zaczyna się od celu biznesowego klienta. Model, który rozpoznaje wszystko, rozpoznaje gorzej niż model wytrenowany do jednego zadania.
  • Do BIM porównasz tylko to, co dron widzi. Elementy rzędu kilku-kilkunastu centymetrów to rozsądny cel. To, co zasłonięte albo zasypane, zostaje do sprawdzenia przez inżyniera.
  • Bez wspólnego układu współrzędnych porównanie z projektem nie działa. BIM w układzie lokalnym trzeba najpierw dowiązać do tego samego układu co ortofotomapę i chmurę punktów.
  • Wykrycie to pół sukcesu. Druga połowa to raport, który pasuje do Twojego procesu: platforma CDE, aktualizacja atrybutów w modelu BIM, a nie kolejny osobny Excel.
  • Śmieci na wejściu, śmieci na wyjściu. Słabe dane albo zbyt podobne do siebie klasy obniżają dokładność każdego modelu. Dlatego wynik AI weryfikujesz, znając jego ograniczenia.

Prowadzący:

Paweł Wójcik, Dyrektor Rozwoju Biznesu w SkySnap sp. z o.o.

Paweł Wójcik | Panelista, współzałożyciel SkySnap, specjalista ds. dronów w budownictwie i BIM Zajmuje się biznesową i wdrożeniową stroną AI: rozmowami z klientami, pilotażami i skalowaniem rozwiązań. Jak sam mówi, to on przychodzi do zespołu z pytaniem, czy da się coś zrobić w dwa tygodnie.

Tomasz Odrobinski CGO

Tomasz Odrobiński | Prowadzący, CGO SkySnap Odpowiada w SkySnap za rozwój firmy. Prowadzi serie webinarów Zarabianie Dronem i Efekt drona na budowie. Interesuje się praktycznym zastosowaniem technologii w biznesie, w tym AI.

Jakie są trendy AI w budownictwie i infrastrukturze krytycznej?

Kamil Choromański zaczął od tego, że krajobraz AI w ciągu ostatnich kilku lat zmienił się całkowicie. Gdy SkySnap zaczynał pracę z AI, używał zupełnie innych metod niż dziś. Modele językowe, takie jak ChatGPT, i ich pochodne potrafią dziś interpretować obrazy, a zaawansowane modele także chmury punktów. To pozwala budować rozwiązania bez własnego zbioru treningowego, na bazie modeli wytrenowanych wcześniej na ogromnych zbiorach danych.

W budownictwie i infrastrukturze krytycznej przekłada się to na:

  • automatyczną analizę dokumentacji,
  • częściowo zautomatyzowaną inwentaryzację stanu budów i infrastruktury,
  • wsparcie planowania, wniosków i przetargów,
  • coraz bliższą perspektywę robotów i maszyn pracujących autonomicznie na budowie.

Jest jednak zasadnicza różnica. Gdy generujesz kod albo każesz czatowi policzyć pieszych na zdjęciu, możesz sobie pozwolić na błąd. Na budowie i w infrastrukturze krytycznej zwykle nie. Dlatego najważniejszym trendem jest jakość i walidacja: na ile system może działać autonomicznie, a na ile półautonomicznie, przy zachowaniu pewności co do wyniku.

Wszystkie te zastosowania spinają się w jedno pojęcie: cyfrowy bliźniak, czyli cyfrowe odwzorowanie tego, co dzieje się na budowie i w infrastrukturze, od planowania przez budowę po inwentaryzację.

„AI będzie tutaj bardziej narzędziem niż celem samym w sobie.” Kamil Choromański, kierownik działu AI w SkySnap

Jak SkySnap przechodzi od badań do wdrożenia AI?

Konrad Sosnowicz opisał proces badawczo-rozwojowy w czterech krokach:

  1. Cel. Zrozumieć, czego klient potrzebuje: przyspieszyć jakąś czynność czy znaleźć coś na budowie. Potem zderzyć to z możliwościami technologii.
  2. Silnik. Przetestować podejścia i zbudować model.
  3. Obudowa. Sam silnik nie pojedzie. Potrzebne jest przetwarzanie danych przed modelem i po nim, żeby wynik dało się w ogóle wykorzystać.
  4. Integracja. Podpiąć rozwiązanie do infrastruktury klienta, żeby działało w jego procesach.

SkySnap prowadzi kilka takich projektów. Trzy z nich są na różnych etapach:

  • Symbion. Analiza i inwentaryzacja budów liniowych, drogowych i kubaturowych. Etap warsztatów z klientem i rozpoznawania jego procesów. Jednym z celów jest łączenie wyników detekcji z atrybutami w modelu BIM.
  • Brick. Inwentaryzacja stanu technicznego infrastruktury kolejowej, realizowana ze środków PKP PLK i Narodowego Centrum Badań i Rozwoju. Część badawcza jest praktycznie zakończona, teraz trwa wpinanie rozwiązania w infrastrukturę klienta. Modele wykrywają podkłady, szyny, elementy sieci trakcyjnej, np. słupy i izolatory, oraz uszkodzenia.
  • Must. Projekt tak daleko w komercjalizacji, że jego nazwę mało kto pamięta. Rozwiązanie jest gotowe razem z systemami, które pozwalają z niego korzystać.

Wspólny mianownik: pozbyć się nudnych, ręcznych, powtarzalnych czynności, wykrywać zmiany w czasie i porównywać stan faktyczny z projektem.

Paweł Wójcik dodał perspektywę biznesową. SkySnap traktuje cyfrowego bliźniaka jak zakład z rynkiem: niezależnie od branży, czy to budownictwo, telekomunikacja, kolej czy nieruchomości, zawsze chodzi o cyfryzację istniejącego świata i nadbudowę w postaci projektowania, realizacji albo utrzymania. AI pomaga takiego bliźniaka wygenerować, aktualizować, symulować i lepiej wykorzystać.

Do wdrożenia prowadzą dwie ścieżki. Pierwsza, wciąż rzadsza: klient sam inwestuje w technologię, a SkySnap układa z nim procesy i wpina narzędzia AI. Druga: wspólny projekt badawczo-rozwojowy, np. ze środków NCBR, przygotowany z klientem na długo przed złożeniem wniosku. Taki projekt wymaga 20-30% wkładu własnego, więc SkySnap planuje go od razu pod wdrożenie, a nie do szuflady. Więcej o projektach przeczytasz na stronie Projekty B+R.

Co jest pod maską AI i ile musisz o tym wiedzieć jako klient?

Termin AI rozrósł się tak bardzo, że dziś prawie wszystko się z nim utożsamia. Z perspektywy praktyków, którzy analizują dane z dronów, Kamil Choromański rozumie go klasycznie: to algorytmy widzenia maszynowego, które rozpoznają obiekty na zdjęciach i w chmurach punktów, a także wzorce w tekście czy dźwięku. W praktyce najczęściej są to głębokie sieci neuronowe, te same, na których opierają się duże modele językowe.

SkySnap korzysta z dwóch rodzajów modeli:

  • Modele językowe i multimodalne, w tym ich specjalistyczne wersje, które interpretują tekst i obraz razem.
  • Modele specjalistyczne, wytrenowane do konkretnego zadania. Nie odpowiedzą na dowolne pytanie, ale bardzo precyzyjnie rozpoznają konkretne obiekty. W budownictwie i infrastrukturze krytycznej to często cenniejsze niż wszechstronność.

Ile musisz o tym wiedzieć? Minimum to rozróżnienie tych dwóch rodzajów. Model specjalistyczny jest bardzo dobry w określonym zakresie klas. Model ogólny obejmuje szerszy zakres, ale z mniejszą dokładnością. Pomylenie jednego z drugim prowadzi do nieporozumień przy wdrożeniu.

Konrad Sosnowicz porównał to do samochodu. Nie musisz znać budowy silnika, żeby jeździć, ale warto znać jego ograniczenia. Przy AI oznacza to świadomość ograniczeń, umiejętność odczytania wyników i metryk błędów, a przede wszystkim niezawierzanie AI bez reszty.

Co jest trudniejsze dla AI: zdjęcia czy chmura punktów 3D, i kiedy modele się mylą?

Technologicznie trudniejsza jest chmura punktów. Zdjęć używają wszyscy: kamery monitoringu, drony, samochody, smartfony, satelity. Danych obrazowych jest zatrzęsienie, więc nad modelami do obrazu pracuje dużo więcej ludzi, a sama domena jest prostsza, bo obraz jest w przybliżeniu dwuwymiarowy. Chmura punktów to pełna przestrzeń 3D, którą trzeba najpierw przekształcić tak, żeby algorytm mógł ją przetworzyć. Gotowych rozwiązań jest mniej i SkySnap musiał włożyć dużo więcej pracy, żeby działały.

Dla firmy, która produkuje mnóstwo modeli 3D i chmur punktów z fotogrametrii, to jednak perspektywiczny kierunek. Zdjęcie jest zlokalizowane w przestrzeni tylko częściowo, a chmura punktów ma pełną informację przestrzenną. To bliżej cyfrowego bliźniaka i bliżej wniosków. Detekcje z 2D i tak często trzeba rzutować do 3D, a to dodatkowy, złożony krok.

Kiedy modele się mylą? Zawsze obowiązuje stara zasada data scientistów: garbage in, garbage out. Dotyczy zarówno modeli specjalistycznych, jak i dużych modeli językowych, w 2D i w 3D. Dokładność spada, gdy dane są słabej jakości albo gdy klasy są do siebie bardzo podobne. Kamil Choromański podał przykład: odróżnić jabłka od gruszek jest łatwiej niż dwa gatunki jabłek. Na zaszumione dane często wciąż jedynym rozwiązaniem jest żmudna, dziś już półautomatyczna praca nad danymi. Bez niej nie osiągniesz dokładności, jakiej wymagają systemy produkcyjne.

Jak wykrywać rozbieżności między budową a modelem BIM?

Żeby wykryć rozbieżność, trzeba mieć odniesienie. Może nim być GIS albo inne źródło, ale SkySnap stawia na BIM i zakłada, że to właśnie tam trafią rozwiązania oparte na AI. Konrad Sosnowicz wskazał trzy warunki:

  1. Cel. Model BIM bywa bardzo rozbudowany, a porównasz tylko to, co widać na zdjęciach i w chmurze punktów. Liczy się też wielkość elementu. Wykrywanie obiektów poniżej centymetra jest możliwe, ale wymaga takiego przetwarzania, że często przestaje się opłacać. BIM musi też pozwalać na zaimportowanie wyników.
  2. Układ współrzędnych. Modele BIM często powstają w układach lokalnych. Da się to naprawić, ale BIM i opracowanie fotogrametryczne muszą trafić do jednego układu, zanim cokolwiek porównasz.
  3. Dokładności. Błędy się sumują: dokładność fotogrametrii, pewność detekcji AI i dokładność samego modelu oraz jego wpasowania. Dlatego trzeba z góry ustalić próg, od którego różnica jest rozbieżnością.

W praktyce dobrze sprawdzają się elementy widoczne i odpowiednio duże, rzędu kilku-kilkunastu centymetrów. To, co zasłonięte, przysłonięte albo zasypane, jest niewykrywalne albo wymaga weryfikacji przez eksperta.

„Nie wszystko jest uzasadnione ekonomicznie.” Konrad Sosnowicz,

Raport rozbieżności to dla inżyniera podpowiedź, na którą powinien spojrzeć i ją zweryfikować. Tak jak przy tachimetrze znasz jego dokładność, tak przy AI znasz możliwości modelu i na tej podstawie podejmujesz decyzję.

„AI jest narzędziem, które ma pomóc inżynierowi.” Konrad Sosnowicz,

Jak AI automatyzuje analizy i raportowanie na budowie?

Paweł Wójcik zaczął od tego, gdzie trafiają efekty prac badawczo-rozwojowych SkySnap. Większość to wdrożenia dedykowane, zintegrowane ze środowiskiem klienta. Coraz więcej modeli trafia też do Portalu SkySnap, w którym klienci z różnych branż wgrywają i udostępniają dane, mierzą i analizują. Automatyzować warto to, co na budowie powtarza się na tyle często, że wdrożenie się opłaca: monitoring postępu prac, rozbieżności z projektem i uszkodzenia infrastruktury.

Automatyczne raportowanie wymaga trzech elementów:

  • Dane wejściowe. Dobry układ współrzędnych, dobra dokładność i spójność między kolejnymi cyklami pomiarowymi.
  • Narzędzia do wykrywania. W Portalu SkySnap działa już algorytm, który na podstawie ortofotomapy i chmury punktów automatycznie zlicza hałdy i generuje ich obrysy. Na kolei SkySnap wykrywa podkłady, szyny i infrastrukturę trakcyjną. Na budowach drogowych bierze na warsztat roboty ziemne, warstwy konstrukcyjne, kruszywo, ułożony asfalt, krawężniki i roboty brukarskie. Na budowach kubaturowych: słupy betonowe, elementy konstrukcyjne dachu, kostkę brukową, a coraz częściej ściany z prefabrykatów, drewna czy betonowych modułów składanych jak klocki Lego.
  • Raportowanie. Najprościej zliczyć elementy i zestawić je w Excelu, np. liczbę podkładów na kilometrze albo liczbę hałd z ich objętościami. Trudniej i ciekawiej: połączyć wykrycia z aktualizacją atrybutów w modelu BIM. Nad tym SkySnap pracuje w projekcie Symbion i w mniejszych pilotażach z klientami.

Firmy budowlane i zarządcy infrastruktury nie żyją w próżni. Pracują na platformach CDE i w modelach BIM, więc raport z AI musi się w to wpasować.

„Samo wykrycie to jest pół sukcesu. Drugą połową sukcesu jest to, żeby to umiejętnie opracować i wpasować w istniejące podejście do raportowania w danej firmie.” Paweł Wójcik,

Jak nie bać się AI w swojej pracy?

To pytanie przyszło innym kanałem: wiele osób boi się, że AI odbierze im pracę. Każdy z panelistów odpowiedział z innej strony.

Kamil Choromański: Parafrazując autora „Małego Księcia”, człowiek boi się tylko tego, czego nie zna. Najlepszy sposób to zacząć z AI korzystać i sprawdzić, jak może przyspieszyć Twoją pracę. Dzisiejsze AI nie rozwiązuje każdego problemu, cokolwiek mówią komunikaty marketingowe. Pod spodem jest matematyka, a ta jest dużo starsza niż AI.

Konrad Sosnowicz: Takich zwrotów było w historii wiele: samochody, elektryczność. AI zmienia rynek pracy szybciej, ale ewolucja to element życia. Znikają czynności powtarzalne i ręczne, a człowiek staje się tym, kto zadaje dobre pytania, weryfikuje i podejmuje decyzje.

Paweł Wójcik: Firmy blokuje opór w głowie, koszty pilotażu, tempo zmian i obawa przed odpowiedzialnością za nieudane wdrożenie. Długoterminowo decyduje jednak demografia. W projekcie z PKP PLK widać, że wiele osób wykonujących powtarzalne prace utrzymaniowe zbliża się do emerytury, a następców nie widać. Jeśli nie zastąpi ich technologia, to nie zastąpi ich nic.

Zrób pierwszy krok w kierunku zwiększenia wydajności swojego miejsca pracy. Zobacz jak Portal SkySnap może Ci pomóc.

Zwiększ rentowność inwestycji kontrolując postępy i dokonując pomiarów przy użyciu dronów i naszego Portalu

Gdzie przeczytać więcej o danych z drona na budowie?

Darmowy pilotaż i demo Portalu SkySnap na 21 dni Przez 21 dni testujesz Portal SkySnap na swoich danych, a zespół SkySnap wykorzystuje ten czas na wspólne konsultacje: jak najlepiej użyć Portalu w Twojej firmie.  Zamów bezpłatny pilotaż → https://skysnap.pl/bezplatny-pilotaz-z-drona-dla-budownictwa-skysnap/

Odcinki serii Efekt Drona na Budowie w 2026 roku

Rozmowy o tym, jak dane z dronów i powiązanych technologii zmieniają pracę na budowie: od dokładności pomiarów po integrację danych spod ziemi, z powietrza i spod wody.

  1. 26.08.2025 | Misja: Polskie budowy
  2. 28.10.2025 | Dron w służbie budownictwa
  3. 25.11.2025 | Integracja danych spod ziemi i z powietrza (WIDMO x SkySnap)
  4. 16.12.2025 | Od danych do cyfrowego bliźniaka: Scan-to-BIM i AI
  5. 20.01.2026 | Dokładność danych z dronów: co powinieneś wiedzieć
  6. 24.02.2026 | AI w SkySnap: od badań do wdrożenia (ten odcinek)
  7. 28.04.2026 | Integracja danych znad i spod wody
  8. 28.05.2026 | Rozliczanie robót ziemnych i hałd

Wszystkie webinary SkySnap znajdziesz na stronie Webinary.

In English

This recap covers a SkySnap expert panel from the Efekt Drona na Budowie series, held on 24 February 2026, on how AI moves from research to deployment in construction and critical infrastructure. Kamil Choromański, Konrad Sosnowicz and Paweł Wójcik explained why specialised models detecting stockpiles, railway sleepers or structural elements in drone imagery and point clouds outperform general models, and why comparing a site with a BIM model requires a shared coordinate system, visible elements of several centimetres or more and clear accuracy thresholds. SkySnap (skysnap.com) develops these tools in R&D projects such as Brick with PKP PLK and NCBR, and delivers automated stockpile detection and reporting in the SkySnap Portal.

Jak Drony i AI pomagaja na polskich budowach podłużna

Darmowy E-book

Zobacz, jak dane z dronów i analiza AI wspierają planowanie, kontrolę postępu prac i optymalizację kosztów na placu budowy.

Dwóch pracowników w pomarańczowych kamizelkach i białych hełmach na budowie obsługuje drona, w tle wielopiętrowe bloki mieszkalne | Skysnap