在建筑工地掏出智能手机并操作屏幕，其实比想象中要困难得多。双手都拿着工具和建材，戴着安全手套的手指又无法准确识别触控。在地下、隧道或混凝土结构内部，连通信信号都会变得不稳定。
无论联网人工智能发展到何种程度，如果无法在最需要记录的施工现场使用，就很难发挥实际作用。
Digital Presso公司为解决此类现场的局限性，已被选定参与国家研发项目并正在开展相关研究。
通过中小风险企业部支持的2026年度创业成长技术开发项目（踏脚石）战略技术研发，该公司正在开发一种即使在断网环境下也能在智能手机内运行的语音基于现场记录技术。
本文将探讨该技术为何必要、与现有生成式AI有何不同，以及在实际现场中如何应用。
现场无法使用应用程序的真正原因
无论是移动应用还是网页，现有的现场业务系统都是基于“操作人员需亲自操控屏幕”这一前提构建的，但在实际现场中，这一前提往往无法成立。
作业过程中，双手常被工具和材料占据，且因佩戴防护手套，智能手机的触控操作难以顺畅进行。在地下、隧道或建筑物内部，通信信号往往不稳定甚至完全中断。
最终，现场记录只能被推迟。“等回到办公室再整理吧”——就在产生这种想法的瞬间，拍摄照片的背景细节便逐渐模糊，检查内容只能依赖记忆。报告自然也会随之延迟。
这些遗漏或不准确的记录，在日后需要证明质量和安全时，又会成为问题。因为在真正需要依据的时刻，可利用的记录往往已所剩无几。
数字化转型在现场受阻之处
长期以来，建筑行业的数字化转型一直被视为“开发更好的应用程序”的问题。
然而，现场难以使用应用程序的原因往往并非功能不足，而是双手无法腾出，或者无法连接网络。如果问题不在于软件的完善程度，而在于输入方式和连接环境，那么解决方案也应从这一点着手。
“给隧道第3区段喷射混凝土浇筑面拍张照片，并留下检查记录。”
本次课题开发的技术，能够理解作业人员像平时一样说出的句子，并直接执行相应的应用程序功能。
例如，当作业人员说“请拍摄隧道第3区段喷射混凝土浇筑面的照片并留下检查记录”时，相机就会启动，拍摄的照片和检查内容会自动与该区段及施工工序关联起来。
以往，作业人员需要手动打开屏幕、查找菜单，然后选择项目并输入内容后保存；但今后，只需一条语音指令即可完成这些步骤。
该系统适用于拍摄、记录、检查、报告、法规查询、手册检索等现场重复性操作的40余种业务，所有处理均在智能手机内完成，无需连接互联网。这也意味着作业人员所说内容及现场数据不会被传输至外部服务器。
无需网络即可运行
ChatGPT或Claude等生成式AI服务采用的是将用户输入的内容发送至外部服务器进行处理，再将结果传回给用户的架构。也就是说，即使性能再出色，一旦断网就无法使用，而现场记录和检查尤为重要的场所——如地下、隧道、建筑物内部——往往是通信频繁中断的地方。
因此，该技术将AI模型内置于智能手机设备中，设计上可不受通信状态影响，直接解析语音指令并执行所需功能。
它执行实际工作，而非仅仅提供答复
现有的生成式AI和语音记录应用主要专注于将用户的话语转换为文本，或生成符合请求的回答。之后，将生成的内容登记到哪个现场的哪个项目中，仍需由用户亲自处理。
而这项技术不仅能理解语音，还能直接执行符合用户意图的应用功能。例如，当用户说“给三楼的管道拍照并记录检查结果”时，相机就会启动，拍摄的照片和检查内容将自动保存到相应的作业条目中。
也就是说，用户的言语不再只是简单的文本，而是直接转化为实际现场工作的机制。
理解施工现场的表达方式
在建筑工地，除了日常用语外，还广泛使用施工专业术语、缩写以及各工种的现场术语。再加上施工人员的语调和各地方言，通用语音AI可能难以准确把握说话的含义。
本次项目将以实际建筑工地上使用的韩语语音为中心对AI进行训练。计划首先提高对施工专业术语和现场用语的识别性能，随后逐步将学习范围扩大至各地的语调和方言。
现场数据不会外流
由于解析和处理语音指令的全部过程均在设备内部完成，因此敏感的现场信息不会传输至外部服务器。
在处理图纸、设备信息及现场状况等安全至关重要的公共基础设施及安防现场，这种处理方式可能成为决定是否采用该技术的重要条件。由于无需单独构建或运营AI服务器，不仅在数据安全方面，在运营成本方面也具有优势。
无需专用设备
能够通过语音处理工作的专用可穿戴设备也已实现商用化。但部分产品依赖外部服务器进行韩语语音处理，且每台设备价格超过3,000美元，若要在整个现场推广，成本负担较重。
此次开发的技术旨在让作业人员能够直接在原有的智能手机上使用。其特点在于无需购买专用设备，在保持熟悉的工作环境的同时，即可应用语音功能。
核心差异
生成式AI服务：基于互联网连接运行，主要提供文本形式的回答
海外现场管理服务：若通信不稳定或中断，主要AI功能的使用将受到限制
语音录音·转录应用：虽能将语音转换为文本，但记录的分类和存储需由用户自行处理
专用可穿戴设备：需购买专用设备，且在韩语语音处理及导入成本方面存在负担
Digital Presso开发技术：在智能手机内处理韩语语音，并执行符合用户意图的现场任务
该技术的核心在于将韩语语音识别、设备内处理、自由语音命令及现场业务执行整合为一个统一架构。在我们的自主调研范围内，很难找到同时满足这四项条件的现场专用技术案例。
施工管理与安全检查
该技术可优先应用于现场每日重复的记录工作。施工管理、维护保养、安全检查、公共设施运营、电力及设备管理等均为其典型应用领域。
即使在梯子上或配电盘前等难以使用双手，或是身着防护装备的情况下，仅凭语音即可记录照片和检查结果。通过这种方式，既不干扰作业流程，又能更准确、更系统地记录现场容易遗漏的信息。
竣工后的设施检查与维修
该技术不仅适用于施工阶段，还可用于竣工后的设施维护管理。
建筑物和设备在竣工后会长期使用，在此过程中需要持续进行定期检查和维修。即使在管道阀门前或屋顶设备等难以自由使用双手的环境中，仅通过语音指令也能轻松记录检查结果和处理措施。
扩展至电力、公用事业及设施管理领域
该技术的架构并不局限于特定的工种或行业。只要按领域构建可通过语音执行的任务及命令体系，即可应用于各种工业环境。
以建筑工地的施工术语和业务为起点，可扩展至电力、公共基础设施、设施管理等相关领域；未来若根据当地环境调整语言和业务体系，还可应用于海外基础设施维护现场。
所有无法自由使用双手的作业环境
该技术旨在解决的核心问题，与其说是针对建筑业本身，不如说是针对作业中无法自由使用双手的各类环境。
无论是焊接、精密作业，还是穿着防护服等需要双手操作且通信受限的环境，均可应用相同的技術架构。目前正在开发过程中，已充分考虑扩展性，以便未来能在智能眼镜和头盔式可穿戴设备中加以应用。
内置于智能手机中的小型AI
要在智能手机内运行AI，必须根据有限的内存和运算性能对模型进行轻量化处理。本项目利用了专为智能手机设计的小型语言模型SLM（Small Language Model）。
不过，仅靠缩小模型体积并不能使其直接在现场投入使用。在轻量化过程中，命令解析的准确度可能会降低；若未针对设备进行充分优化，还可能出现响应延迟或执行与用户意图不符的功能等情况。
因此，本项目的核心并不在于单纯实现小型AI。我们的目标是在受限的智能手机环境下，快速准确地理解用户的语音指令，并将其转化为相应的现场工作任务。
项目设定的开发目标
以将公开的轻量级模型应用于实际设备后的自主测试结果为基准，目标是实现以下相对改进：
将语音指令结束至功能执行完成所需的时间缩短约70%
功能按用户意图执行的准确率提升约30%
输出应用可即时处理的结构化数据
将内存占用降至不影响智能手机日常使用的最低水平
本次研究不仅止步于将新技术开发成独立产品。其目标是将语音输入方式与Digitalpresso的现场管理平台RenameDP相结合，将其实现为可在实际工作中应用的功能。
RenameDP是一个能够系统化积累综合建筑及电气施工现场产生的记录，并自动整理成所需文档的平台。拍摄的照片会自动关联位置和时间信息，AI会通过分析照片来生成施工记录。 各现场的沟通内容会被整理为工作日志，风险评估和TBM记录也可作为历史记录和证明材料进行管理。
本次课题涉及的40余种业务，并非基于虚拟情景，而是根据RenameDP的实际功能和现场业务流程选定的。
如果说现有的RenameDP是一个用于记录和管理现场记录的平台，那么本次研究就是在其基础上，增加无需动手即可完成记录和工作的功能。 旨在让作业人员无需脱下手套或操作多个屏幕，仅通过语音即可执行所需功能，从而降低现场与数字系统之间存在的输入壁垒。在此过程中，将利用智能眼镜等可穿戴设备收集照片和语音数据。
该项研发成果计划不作为独立产品，而是直接整合到RenameDP的功能中。在研发完成后，我们将持续在实际现场应用该技术，并不断验证其性能和可用性。
Digital Presso的相关负责人表示：“现场记录滞后的原因并非操作人员疏忽，而是因为当前的系统结构要求必须脱下手套并多次操作屏幕才能完成记录。”他补充道：“本次项目的目标是，即使在没有网络连接的地方，也能仅通过智能手机内的语音指令完成拍摄和检查记录。”
必须脱下手套才能操作的应用程序，或是必须连接互联网才能运行的AI，在现场应用方面显然存在局限性。
在设备内部运行的AI正是解决这一局限性的一种方法。它不仅可在通信中断的情况下使用，而且由于不会将语音和现场数据传输至外部服务器，因此也可应用于对安全性要求较高的环境。
不过，在设备性能受限的情况下，同时确保快速处理速度和高准确度并非易事。正文中提到的数值也并非当前已取得的成果，而是需在项目结束前进行验证的研究开发目标。
Digital Presso相关人士表示：“计划将本次项目中验证的技术作为RenameDP的功能加以应用，而非开发独立产品”，并称“最终将打造出让作业人员无需因记录而中断工作的现场环境”。
本内容由Digital Presso股份有限公司制作。
正文中列出的改进数值是基于将公开的轻量级AI模型应用于实际设备并自行测量的结果而设定的相对提升目标，也是项目结束时需达成的目标。
